Logistic回歸及決策樹(shù)模型在CCU老年病人睡眠障礙影響因素分析中的應(yīng)用

李良俊，翟 榮，鄔聞文，李 莉1，*

1.湖北醫(yī)藥學(xué)院衛(wèi)生管理與衛(wèi)生事業(yè)發(fā)展研究中心，湖北 442000；2.湖北醫(yī)藥學(xué)院護(hù)理學(xué)院；3.十堰市人民醫(yī)院；4.湖北醫(yī)藥學(xué)院公共衛(wèi)生與健康學(xué)院

睡眠障礙指睡眠的量或質(zhì)的異常或在睡眠時(shí)發(fā)生 某些臨床癥狀，包括失眠、不寧腿綜合征、睡眠呼吸暫停綜合征、生物節(jié)律紊亂性睡眠障礙等[1]。一項(xiàng)Meta分析結(jié)果顯示,我國(guó)社區(qū)老年人睡眠障礙患病率為41.2%[2]；冠心病重癥監(jiān)護(hù)室（coronary care unit，CCU）病人中，約40%存在睡眠障礙[3]。睡眠時(shí)間與心肌梗死、充血性心力衰竭和心絞痛患病率之間存在相關(guān)性[4]，是心血管疾病預(yù)后的重要指標(biāo)[5]。周桂玲等[6]研究顯示，老年人在CCU 病人中占69.4%，由于其自身生理功能衰退、身體機(jī)能下降、睡眠障礙，易造成免疫系統(tǒng)、心血管系統(tǒng)功能下降，增加感染風(fēng)險(xiǎn)和病死率[7]。采用Logistic 回歸探討睡眠障礙的影響因素，可以了解自變量與因變量之間的依存關(guān)系，但當(dāng)自變量個(gè)數(shù)較多時(shí)，回歸模型中的交互效應(yīng)不易體現(xiàn)[8]。決策樹(shù)模型可以彌補(bǔ)Logistic 回歸的不足，現(xiàn)已廣泛用于醫(yī)藥衛(wèi)生領(lǐng)域[9-10]。本研究通過(guò)調(diào)查CCU 老年病人睡眠障礙現(xiàn)狀并建立Logistic 回歸模型和決策樹(shù)模型來(lái)探討其影響因素，比較兩種模型在預(yù)測(cè)CCU 老年病人睡眠障礙時(shí)的效果，對(duì)于早期識(shí)別CCU 老年病人睡眠障礙，后期預(yù)防和改善CCU 老年病人的睡眠質(zhì)量具有重要意義。

1 對(duì)象與方法

1.1 研究對(duì)象 便利抽取2020 年10 月—2021 年8 月入住十堰市某三級(jí)綜合醫(yī)院CCU 的430 例老年病人作為研究對(duì)象。納入標(biāo)準(zhǔn)：①年齡≥60 歲；②明確診斷并入住CCU 24 h 及以上；③格拉斯哥昏迷評(píng)分（Glasgow Coma Scale,GCS）>14 分；④24 h 內(nèi)未使用鎮(zhèn)靜藥物；⑤知情同意參與研究。排除標(biāo)準(zhǔn)：①不能理解量表?xiàng)l目?jī)?nèi)容者；②有聽(tīng)力、語(yǔ)言、視覺(jué)障礙者；③保護(hù)性隔離者；④譫妄病人,使用中文版ICU 意識(shí)模糊評(píng)估表（Confusion Assessment Model for Intensive Care Unit,CAM-ICU）篩查。本研究已通過(guò)湖北醫(yī)藥學(xué)院倫理審查委員會(huì)批準(zhǔn)（編號(hào)：2020-TH-64）。

1.2 研究方法

1.2.1 評(píng)估工具

1.2.1.1 一般資料調(diào)查表 通過(guò)閱讀相關(guān)文獻(xiàn)，咨詢專家后自行制定。調(diào)查內(nèi)容包括：①基本信息（性別、年齡、婚姻狀況、居住情況等）；②臨床資料[營(yíng)養(yǎng)風(fēng)險(xiǎn)篩查2002 評(píng)分、呼吸困難分級(jí)、紐約心臟病協(xié)會(huì)心功能分級(jí)、日常生活能力評(píng)定（Activities of Daily Living，ADL）、調(diào)查前一晚夜間有無(wú)侵入性操作等]。

1.2.1.2 中文版理查茲-坎貝爾睡眠量表（Richards-Campbell Sleep Questionnaire，RCSQ） 該 量 表 由Richards 等研制，陳麗霞等[11]漢化，用于對(duì)重癥病人進(jìn)行睡眠評(píng)估。量表共有6 個(gè)條目，前5 個(gè)條目測(cè)量睡眠深度、入睡時(shí)間、夜間覺(jué)醒次數(shù)、醒來(lái)后再入睡情況、睡眠質(zhì)量；第6 個(gè)條目可用來(lái)評(píng)估病人對(duì)噪聲的主觀感受。每個(gè)條目均采用0～100 mm（1 mm=1 分）視覺(jué)模擬評(píng)分法，0 分表示睡眠最差，100 分表示睡眠最佳。量表總分為前5 個(gè)條目得分總和的平均分，0～25 分代表睡眠質(zhì)量差，76～100 分代表睡眠質(zhì)量好，分值越高，表示睡眠質(zhì)量越好。中文版RCSQ 量表的Cronbach's α系數(shù)為0.895。本研究借鑒Naik 等[12]的研究，將RCSQ總分≥50 分定義為睡眠正常，RCSQ 總分<50 分定義為睡眠障礙。

1.2.1.3 數(shù)字疼痛評(píng)分法（Numeric Rating Scale,NRS）[13]用數(shù)字表示疼痛的程度，在一條直線上分段，將 疼 痛 程 度 用0～10 表 示；0 表 示 無(wú) 痛，10 表 示劇痛。

1.2.1.4 簡(jiǎn)易心理狀況評(píng)分(The 10-item Kessler Psychological Distress Scale，Kessler 10) 該 量 表 由Kessler 等編制，周成超等[14]漢化并進(jìn)行信效度評(píng)價(jià)。中文版Kessler 10 可以評(píng)價(jià)人群心理健康狀況，用于診斷焦慮、壓力和不安。該量表共10 個(gè)條目，用于評(píng)估研究對(duì)象過(guò)去4 周經(jīng)歷的壓力和焦慮等心理健康相關(guān)癥狀發(fā)生頻率，每個(gè)條目的發(fā)生頻率分為5 個(gè)等級(jí)，即所有時(shí)間（5 分）、大部分時(shí)間（4 分）、有些時(shí)間（3 分）、偶爾（2 分）、幾乎沒(méi)有（1 分），量表總分為10 個(gè)條目所得分?jǐn)?shù)之和。根據(jù)總分將個(gè)體心理健康狀況分為4 個(gè)等級(jí)：Ⅰ級(jí)（10～15 分）表示患心理疾患的危險(xiǎn)性很低，Ⅱ級(jí)（16～21 分）表示患心理疾患的危險(xiǎn)性較低，Ⅲ級(jí)（22～29 分）表示患心理疾患的危險(xiǎn)性較高），Ⅳ級(jí)（30～50分）表示患心理疾患的危險(xiǎn)性高，其Cronbach's α系數(shù)為0.8011。

1.2.1.5 急性生理和慢性健康狀況Ⅱ評(píng)分（Acute

Physiology and Chronic Health Evaluation，APACHEⅡ）由急性生理學(xué)評(píng)分、年齡、慢性健康評(píng)分3 個(gè)部分組成，總分0～71 分，分值越高表示病情越重；APACHEⅡ評(píng)分目前被廣泛用于重癥病人病情危重程度的評(píng)估和預(yù)后觀察，APACHEⅡ分值與病死率之間呈正相關(guān)[15]。有研究表明，APACHEⅡ評(píng)分在分級(jí)護(hù)理病情評(píng)估中的Cronbach's α 系數(shù)為0.79[16]。

1.2.1.6 住院前睡眠質(zhì)量調(diào)查表 參照Freedman等[17]的研究，對(duì)CCU 老年病人住院前1 個(gè)月睡眠質(zhì)量進(jìn)行調(diào)查，以0～10 分視覺(jué)模擬評(píng)分反映病人睡眠質(zhì)量，0 分表示睡眠質(zhì)量最差，10 分表示睡眠質(zhì)量最佳。

1.2.2 資料收集方法 研究者本人接受規(guī)范培訓(xùn)。一般資料收集從病歷、護(hù)理記錄中獲得；中文版RCSQ、疼痛數(shù)字評(píng)分法、中文版Kessler 10、住院前睡眠質(zhì)量調(diào)查表，能自主填寫(xiě)量表的病人，由其本人完成；不能自主填寫(xiě)量表的病人，根據(jù)病人的口頭表達(dá)或手勢(shì)由調(diào)查者代其填寫(xiě)，并與病人進(jìn)行確認(rèn)；譫妄評(píng)估量表由調(diào)查者對(duì)病人進(jìn)行評(píng)估，APACHEⅡ評(píng)分通過(guò)查閱病歷進(jìn)行評(píng)估。

1.3 統(tǒng)計(jì)學(xué)方法 采用SPSS 22.0 進(jìn)行數(shù)據(jù)分析。定性資料以頻數(shù)、構(gòu)成比（%）描述，采用χ2檢驗(yàn)；定量資料以均數(shù)±標(biāo)準(zhǔn)差（±s）描述，采用t檢驗(yàn)或方差分析。通過(guò)單因素分析篩選有統(tǒng)計(jì)學(xué)意義的自變量，連續(xù)性變量根據(jù)Youden 指數(shù)計(jì)算最佳截?cái)嘀?。采用LR向前法做二元Logistic 回歸分析，并產(chǎn)生Logistic 回歸模型的睡眠障礙預(yù)測(cè)概率1。對(duì)睡眠障礙有統(tǒng)計(jì)學(xué)意義的變量做卡方自動(dòng)交互檢測(cè)CHAID 決策樹(shù)分析，模型的參數(shù)設(shè)置如下：樹(shù)的拆分節(jié)點(diǎn)顯著性水準(zhǔn)以及合并類別的顯著性水準(zhǔn)都規(guī)定為0.05。樹(shù)的生長(zhǎng)深度為3 層，父節(jié)點(diǎn)、子節(jié)點(diǎn)最小個(gè)案數(shù)分別為20,5，并產(chǎn)生決策樹(shù)模型的睡眠障礙預(yù)測(cè)概率2。 采用MedCalc19.1 軟件繪制受試者操作特征曲線（receiver operating characteristic curve，ROC），選擇Logistic 回歸模型的睡眠障礙預(yù)測(cè)概率1 和決策樹(shù)模型的睡眠障礙預(yù)測(cè)概率2 為自變量，將是否發(fā)生睡眠障礙作為分類變量，計(jì)算兩種模型ROC 曲線下的面積（area under curve，AUC）、模型的靈敏度和特異度，評(píng)價(jià)模型的效果。以P<0.05 有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 研究對(duì)象的一般資料 研究對(duì)象共430 例，年齡（69.90±6.38）歲，其 中 男271 例，女159 例；252 例（58.6%）睡眠障礙病人的RCSQ 總分<50 分。

2.2 CCU 老年病人發(fā)生睡眠障礙的單因素分析 以睡眠質(zhì)量作為因變量，以病人性別、年齡、居住情況、心功能分級(jí)、疼痛數(shù)字評(píng)分等指標(biāo)作為自變量，進(jìn)行單因素分析。結(jié)果見(jiàn)表1。

表1 CCU 老年病人睡眠障礙單因素分析（n=430）

2.3 CCU 老年病人睡眠障礙Logistic 回歸模型的建立 以CCU 老年病人是否發(fā)生睡眠障礙作為因變量，將單因素分析中有統(tǒng)計(jì)學(xué)意義的變量作為自變量進(jìn)行多因素Logistic 回歸分析。結(jié)果顯示，夜間有無(wú)侵入性操作（X1）、疼痛數(shù)字評(píng)分（X2）、簡(jiǎn)易心理狀況評(píng)分（X3）、APACHEⅡ評(píng)分(X4)、夜間噪聲水平(X5)、住院前RCSQ評(píng)分(X6)是CCU 老年病人發(fā)生睡眠障礙的獨(dú)立危險(xiǎn)因素，見(jiàn)表2。由回歸分析結(jié)果可以得到如下表達(dá)式：

表2 CCU 老年病人睡眠障礙危險(xiǎn)因素的Logistic 回歸分析

Logit(P)=2.656+（-1.488）X1+0.710X2+1.365X3+0.143X4+（-0.080）X5+（-0.081）X6。根據(jù)預(yù)測(cè)模型公式[18]制定CCU 老年病人睡眠障礙風(fēng)險(xiǎn)預(yù)測(cè)模型：P=1/[1+e-(2.656-1.488X1+0.710X2+1.365X3+0.143X4-0.080X5-0.081X6)]。

2.4 CCU 老年病人睡眠障礙決策樹(shù)模型的建立 對(duì)單因素分析中有統(tǒng)計(jì)學(xué)意義的連續(xù)性變量，利用Medcal 繪制ROC 曲線，根據(jù)Youden 指數(shù)計(jì)算最佳截?cái)嘀担謩e是噪聲水平<70 dB、疼痛數(shù)字評(píng)分<2 分、簡(jiǎn)易心理狀況評(píng)分<Ⅱ級(jí)，住院前睡眠質(zhì)量評(píng)分<7分、APACHEⅡ評(píng)分<9 分。根據(jù)所得截?cái)嘀祵? 個(gè)連續(xù)變量轉(zhuǎn)變?yōu)槎诸愖兞?，再次賦值，分別為噪聲水平<70 dB=0，≥70 dB=1；疼痛數(shù)字評(píng)分<2 分=0，≥2 分=1；簡(jiǎn)易心理狀況評(píng)分<Ⅱ級(jí)=0，≥Ⅱ級(jí)=1；住院前睡眠質(zhì)量評(píng)分<7 分=0，≥7 分=1；APACHEⅡ評(píng)分<9 分=0，≥9 分=1。將CCU 老年病人是否發(fā)生睡眠障礙作為因變量，單因素分析中有統(tǒng)計(jì)學(xué)意義的變量重新賦值后作為自變量進(jìn)行決策樹(shù)分析，決策樹(shù)分為3 層，分類結(jié)果見(jiàn)圖1。CCU 老年病人睡眠障礙的獨(dú)立影響因素依次為數(shù)字疼痛評(píng)分、夜間噪聲水平、性別、簡(jiǎn)易心理狀況評(píng)分。模型的分類準(zhǔn)確率為86.5%。

圖1 CCU 老年病人睡眠障礙的CHAID 決策樹(shù)模型

2.5 CCU 老年病人睡眠障礙Logistic 回歸模型與決策樹(shù)模型的比較 Logistic 回歸模型的AUC 為0.938，95%CI(0.910,0.958)，敏感度為89.68%，特異度為88.20%。決策樹(shù)模型的AUC 為0.926,95%CI(0.897,0.949），靈敏度為90.87%，特異度為80.34%，兩個(gè)模型的AUC 均>0.5，見(jiàn)圖2。兩者比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（Z=1.220，P=0.222 4）。

圖2 Logistic 回歸模型與決策樹(shù)模型的ROC 曲線比較

3 討論

本研究中CCU 老年病人睡眠障礙的發(fā)生率為58.6%（252/430），高于賴新燕等[19]的研究。其原因可能是：賴新燕等[19]是對(duì)CCU 冠狀動(dòng)脈介入術(shù)后病人的睡眠情況進(jìn)行調(diào)查，研究對(duì)象所患疾病主要是心肌梗死，隨著冠狀動(dòng)脈介入手術(shù)的完成，病人心肌缺血、缺氧的狀況得到改善，病情得到緩解，睡眠質(zhì)量隨著心肌缺血、缺氧程度的降低有一定改善。而本研究中的研究對(duì)象既有冠狀動(dòng)脈介入術(shù)后病人，又有心力衰竭、心律失常等非手術(shù)的病人，受CCU 環(huán)境、疾病類型、生理和心理等多種因素的影響，病人睡眠障礙的發(fā)生率較高。本研究采用多因素Logistic 回歸法和決策樹(shù)分類法，建立了CCU 老年病人睡眠障礙的風(fēng)險(xiǎn)預(yù)測(cè)模型。通過(guò)Logistic 回歸分析預(yù)測(cè)建模，可以獲得89.68%的預(yù)測(cè)敏感度，即在真正發(fā)生睡眠障礙的研究人群中，Logistic 回歸分析建模預(yù)測(cè)的正確率為89.68%。而決策樹(shù)法構(gòu)建的風(fēng)險(xiǎn)預(yù)測(cè)模型的敏感度為90.87%，即在實(shí)際發(fā)生睡眠障礙的研究群體中，決策樹(shù)法構(gòu)建的風(fēng)險(xiǎn)預(yù)測(cè)模型預(yù)測(cè)的正確率為90.87%。針對(duì)90.87%的病人，可在睡眠障礙發(fā)生前加強(qiáng)早期監(jiān)測(cè)，并通過(guò)有效的干預(yù)措施降低睡眠障礙的發(fā)生率。兩個(gè)模型都強(qiáng)調(diào)了疼痛狀況、噪聲水平、簡(jiǎn)易心理狀況評(píng)分是CCU 老年病人睡眠障礙的危險(xiǎn)因素。而夜間有無(wú)侵入性操作、APACHEⅡ評(píng)分、住院前RCSQ 評(píng)分在Logistic 回歸分析中有意義的變量，在決策樹(shù)中未進(jìn)入模型。這種結(jié)果可能與研究的樣本量有關(guān)，受各節(jié)點(diǎn)樣本量的設(shè)置和決策樹(shù)深度的限制，夜間有無(wú)侵入性操作、APACHEⅡ評(píng)分、住院前RCSQ 評(píng)分對(duì)CCU 老年病人睡眠質(zhì)量的影響可能在決策樹(shù)上才能展現(xiàn)出來(lái)。另外一種可能的原因是，在決策樹(shù)分析時(shí)，夜間有無(wú)侵入性操作、APACHEⅡ評(píng)分、住院前RCSQ 評(píng)分對(duì)CCU老年病人睡眠質(zhì)量有一定的影響，但是與其他變量相比，其作用相對(duì)較小，在數(shù)據(jù)分析時(shí)被當(dāng)作干擾因素剔除了。有研究者明確指出，Logistic 回歸與決策樹(shù)法存在明顯差異[20]，具體表現(xiàn)在以下方面：①Logistic 回歸模型展示了自變量與因變量的數(shù)量依存關(guān)系，但各自變量間的交互作用在Logistic 回歸中不能很好地體現(xiàn)。②決策樹(shù)分析在篩選變量時(shí)不受自變量之間相關(guān)關(guān)系的影響，因而自變量之間的交互作用能被體現(xiàn)出來(lái)[21]。③決策樹(shù)分析能深入數(shù)據(jù)細(xì)節(jié)，但對(duì)數(shù)據(jù)全局的把握能力較差；Logistic 回歸構(gòu)建模型相對(duì)穩(wěn)健，對(duì)全局有較好的把握，建模時(shí)更不容易發(fā)生過(guò)度擬合[22]。④Logistic 回歸可以在校正干擾變量后，探索自變量與因變量之間的線性關(guān)系，并以O(shè)R 值及置信區(qū)間的形式進(jìn)行展示；決策樹(shù)模型無(wú)法輸出OR 值，不利于比較某種因素引發(fā)睡眠障礙的情況。⑤決策樹(shù)分析結(jié)果受實(shí)際數(shù)據(jù)影響，因葉子節(jié)點(diǎn)的數(shù)量不同而有差異，相對(duì)不穩(wěn)定[23]。本研究采用Logistic 回歸分析建模，模型選出了6 個(gè)與睡眠障礙有關(guān)的因素，而決策樹(shù)分析得到的影響因素有4 個(gè)，前者多于后者。就預(yù)測(cè)效率而言，兩者比較無(wú)統(tǒng)計(jì)學(xué)意義，建議將兩種模型結(jié)合使用，以便于更早地識(shí)別CCU 老年睡眠障礙病人，為后期預(yù)防和改善CCU 老年病人的睡眠質(zhì)量提供指導(dǎo)。睡眠質(zhì)量與疾病的發(fā)展和預(yù)后關(guān)系密切，好的睡眠質(zhì)量有利于促進(jìn)CCU 病人的康復(fù)。CCU 醫(yī)護(hù)人員應(yīng)積極采取各項(xiàng)措施提高病人的睡眠質(zhì)量，如降低病人病房噪聲水平，減輕疼痛程度，加強(qiáng)人文關(guān)懷，減輕老年病人的焦慮等負(fù)性情緒。未來(lái)的研究有必要采用前瞻性研究設(shè)計(jì)，納入病人生物標(biāo)志物等實(shí)驗(yàn)室檢查，以更加全面地評(píng)估CCU 老年病人發(fā)生睡眠障礙的風(fēng)險(xiǎn)指標(biāo)。