张程婕，井坤娟，刘冬雪
（河北大学 护理学院，河北 保定 071000）
有学者构建了青年脑卒中患者病耻感的模型[1]，但对老年脑卒中患者的相关研究未见报道。列线图模型和CART 决策树模型已被用于脑卒中患者发病的预测分析[2-3]，两者均是数据处理的重要方法，可以有效、有层次地显示疾病的危险因素，但是对于不同的疾病及数据类型具有不同的使用效果[4]。本研究采用列线图和CART 决策树分别建立老年脑卒中患者病耻感的风险预测模型并进行内部验证，并对2种模型的预测性能进行比较分析，探索适用于老年脑卒中患者病耻感预测的更优模型，为早期预防及干预提供参考。
1.1 资料来源本研究基于课题组于2020 年5—10月对保定市某三级甲等医院住院的252 例年龄60 岁及以上的老年脑卒中患者进行病耻感研究的资料[5]。
1.2 研究工具
1.2.1 一般资料 由课题组自行设计，内容包括年龄、性别、婚姻状况、经济负担、工作状况、家庭居住地、医疗费用支出方式、文化程度、家庭人均月收入、卒中次数、卒中类型、病程、是否遗留功能障碍、自理能力（ADL）评分（采用Barthel 指数进行评定，分为重、中、轻度依赖以及无需依赖4 个等级）、是否合并慢性疾病。
1.2.2 健康认知评价量表 （Cognitive Appraisal of Health Scale，CAHS）该量表是患者对健康相关事件认知的自评工具，共2 个分量表，本研究使用初级评价分量表，23 个条目，包括伤害、威胁、有益/无关和挑战4 个维度，伤害和威胁2 个维度属于负性健康认知评价，有益/无关和挑战属于正性健康认知评价，各维度Cronbach α 系数为0.640～0.757[6]。本研究挑战、伤害、威胁和有益/无关等维度的Cronbach α系数分别为0.812、0.867、0.752 和0.829。
1.2.3 心理弹性简化量表（10-item Connor-Davidson resilience scale, CD-RISC-10）该量表广泛用于评估复原力，特别是应对逆境的能力，单一维度，共10个条目，使用Likert 5 级评分，评分范围0～4 分，总分越高反映应对逆境的能力越强，该量表的Cronbach α系数≥0.88[7]。本研究中该量表的Cronbach α 系数为0.941。
1.2.4 领悟社会支持量表（Perceived Social Support Scale，PSSS）该量表共3 个维度，分别为家庭支持、朋友支持和其他支持，12 个条目，目的是评估个体面对压力源时受到的社会支持程度，使用Likert 7级评分，范围为1～7 分，分值与个体感知社会支持水平成正比，家庭支持、朋友支持和其他支持的Cronbach α 系数分别为0.85、0.87 和0.87[8]。本研究中3 个维度的Cronbach α 系数分别为0.908、0.916和0.908。
1.2.5 医学应对方式问卷 （Medical Coping Modes Questionnaire，MCMQ）该量表共3 个维度分别为面对、屈服、回避，共20 个条目，目的是评估患者面对疾病时使用的应对策略，使用Likert 4 级评分，分值范围为1～4，该量表面对、屈服和回避等维度的Cronbach α 系数为0.69、0.76 和0.60[9]。本研究中3 个维度的Cronbach α 系数 为0.789、0.844和0.521。
1.2.6 脑卒中患者病耻感量表（stroke stigma scale，SSS）该量表共4 个维度，分别为自我感受、躯体障碍、受歧视经历和社会交往，共16 个条目，目的是评估脑卒中患者的病耻感水平，使用Likert 5 级评分，得分范围为1～5 分，得分越高病耻感程度越严重，Cronbach α 系数为0.916[10]。本研究中该量表的Cronbach α 系数为0.879。
1.3 统计学方法采用SPSS 23.0 进行统计学分析，符合正态分布的计量资料，以均数和标准差表示，组间比较采用两独立样本t 检验，若不符合，则采用M（P25，P75）表示，组间比较采用Mann-Whitney U 检验，计数资料以例数和百分率表示，组间比较采用χ2检验，P＜0.05 为差异具有统计学意义，将单因素分析中有统计学意义的变量进行多因素Logistic回归分析。采用R 4.1.1 构建列线图和CART 决策树模型，内部验证使用Bootstrap 重抽样1 000 次，为避免过度拟合，CART 决策树设置复杂度参数（cp=0.02）、每个节点所含最小样本数为30（minisplit=30）、树的最大深度为30（maxdepth=30）进行剪枝处理，模型之间的比较采取受试者工作特征曲线 （ROC 曲线）的曲线下面积（AUC）进行成对比较，由于内部验证使用Bootstrap 重抽样，AUC 进行成对比较使用两独立样本t 检验。所有检验均为双侧检验，P＜0.05 为差异具有统计学意义。
2.1 老年脑卒中患者病耻感得分情况脑卒中患者病耻感为结局变量，采取中位数转变为二分变量。病耻感得分为（44.92±11.68）分，中位数为47分；
按中位数将纳入的252 例患者分为有病耻感组（127 例）和无病耻感组（125 例），病耻感发病率为50.40%。
2.2 老年脑卒中患者病耻感危险因素的单因素分析2 组患者的单因素分析显示：是否遗留功能障碍、自理能力（ADL）得分、挑战认知评价、威胁认知评价、伤害认知评价、有益/无关认知评价、心理弹性、家庭支持、朋友支持、其他支持、面对应对方式、回避应对方式、屈服应对方式等13个因素有统计学差异（P＜0.05），结果见表1。
表1 老年脑卒中患者病耻感危险因素的单因素分析[n=252，例（%）]
2.3 老年脑卒中患者病耻感风险的列线图和CART 决策树模型的建立
2.3.1 变量赋值 将单因素分析中P<0.05 的变量分别纳入2 种模型中作为自变量，将是否有病耻感作为因变量，对分类变量进行赋值，见表2。
表2 自变量及因变量赋值表
2.3.2 绘制列线图模型 Logistic 回归分析显示，在老年脑卒中患者中，发生病耻感的主要危险因素包括伤害认知评价和屈服应对方式，主要保护因素为心理弹性和朋友支持（表3）。基于回归方程，构建列线图（图1），每个预测因素对应一个数轴，这些预测因素对应的数轴的分值相加可计算总分，通过总分对应的刻度，在列线图底部获得老年脑卒中患者对应的发生病耻感的概率值。结果显示，预测因素按照对结局事件的贡献度排序：心理弹性得分范围为0～100 分；
伤害认知评价得分范围为0～93 分；
屈服应对方式得分范围为0～84 分；
朋友支持得分范围为0～61 分。老年脑卒中患者发生病耻感的风险概率范围为0.1～0.9。
图1 老年脑卒中患者病耻感的列线图
表3 老年脑卒中患者病耻感的多因素Logistic 回归分析（n=252）
2.3.3 构建CART 决策树模型 把P<0.05 的单因素纳入CART 决策树分析。最终建立的CART 决策树深度为4，表明诊断是否发生病耻感最多需要4个步骤。模型包括5 个特征：心理弹性、屈服应对方式、回避应对方式、伤害认知评价、有益/无关认知评价。图2 显示，心理弹性是CART 决策树的根节点，内部节点包括有屈服应对方式、回避应对方式、伤害认知评价、有益/无关认知评价。在模型的底部有6 个叶节点，表示类别。每个方框内列出3行：顶部一行为CART 决策树对这个节点的分类；
第2 行，左边数字为无病耻感的百分率，右边数字为有病耻感的百分率；
第3 行，表示进入该框内的样本占总样本量的百分比。CART 决策树预测因素重要性分析可知，心理弹性为最重要的预测因素（图4）。
图2 老年脑卒中患者病耻感的CART 决策树
图3 老年脑卒中患者病耻感的CART 决策树预测因素重要性分析
图4 列线图和CART 决策树的内部验证ROC 曲线对比
2.4 老年脑卒中患者病耻感的列线图和CART决策树模型的预测性能分析CART 决策树内部验证的AUC、灵敏度、特异度、阳性预测值、阴性预测值、预测准确率均高于列线图（表4）。2 种模型的AUC 相比较差异具有统计学意义（P<0.001，表5，图4）。
表4 老年脑卒中患者病耻感的列线图和CART 决策树模型内部验证的性能比较
表5 老年脑卒中患者病耻感的列线图和CART 决策树模型内部验证的AUC 比较
3.1 老年脑卒中患者病耻感列线图与决策树模型的预测因素不完全一致2 种模型均显示心理弹性、屈服应对方式、伤害认知评价是老年脑卒中患者病耻感的重要预测因素，其中心理弹性在列线图中线段最长，同时在CART 决策树中也作为首要划分依据。2 种模型既保留了相同的预测因素，又有所不同，这种差异可能是由于2 种模型的算法和操作模式不同造成的[11]。
3.1.1 心理弹性 2 种模型均显示心理弹性是老年脑卒中患者病耻感的重要预测因子，在列线图中贡献度排序第一，在CART 决策树特征重要性分析中最重要。心理弹性指个体在面对压力源时成功适应的动态过程，也是个体面对各种不良事件后恢复到积极状态的一种能力[12]。在疾病转归过程中，患者的心理弹性发挥重要作用[13]。有研究表示，心理弹性良好的患者能调整负性情绪并适应[14]。因此，护理人员应分析老年卒中患者心理弹性水平及特点，通过心理疏导提高患者的心理弹性水平，促进患者对患卒中事件的适应，减轻患者病耻感水平，促进患者的康复。
3.1.2 伤害认知评价 伤害认知评价在2 种模型中预测重要性均位于第2 位。病耻感与伤害性认知评价在回归分析中呈正相关，即当患者认为患病后自己的健康状况受到伤害时会加重患者的病耻感。正性健康认知评价有利于患者面对疾病采取积极的应对方式[15]。脑卒中患者的病耻感水平可以通过积极的应对方式得到改善[16]。患者采取积极应对方式面对卒中事件时，将疾病带来的压力视为挑战或者是无关紧要而不是威胁/有害，从而增强对疾病的适应性，减少病耻感等消极情绪。因此，在护理中应注意了解老年卒中患者的健康认知情况，注意调动患者的积极认知，尽量减少患者的消极认知，教育患者坦然接受患卒中事件的现实，增强患者战胜疾病的信心，减轻患者的病耻感。
3.1.3 屈服应对方式 屈服应对方式在2 种模型中预测重要性均位于第3 位。采取消极应对方式的脑卒中患者，参与日常生活和社会活动的状态和能力较差[17]，脑卒中患者日常生活活动能力越差，病耻感水平越高[16]。当患者认为患病后自己的健康状况受到伤害，则产生失落感，对其他事情丧失兴趣，易采取屈服和回避的应对方式面对卒中事件，并减少参与日常生活活动，进一步使患者产生病耻感等不良情绪，不利于患者的康复。因此，护理人员应指导患者采取宣泄等积极的应对方式，以及客观的看待患病、接受患病的现实等应对方法，减少病耻感等消极情绪，促进患者的康复。
3.2 CART 决策树模型预测性能略优于列线图评定模型优劣的重要指标为AUC，AUC 的值与模型的预测性能呈正比[18]。AUC 从0.5（预测效果较差）到1（预测效果较好），如果AUC≥0.9，则为“优秀”，如果AUC 在0.8～0.9，则为“好”[19]，本研究中CART决策树和列线图内部验证的AUC 值为0.903 和0.880，说明2 模型的整体预测性能均达到“好”的水平，CART 决策树优于列线图。灵敏度与特异度是一对相伴而行的指标，是基于ROC 曲线的二级指标，用于检验模型的是否能正确判断阳性阴性病例[20]，阳性预测值和阴性预测值表示预测结果正确判断阳性患者属于患者的概率和阴性患者属于非患者的概率，预测准确率解释为正确判断为患者和非患者的概率，本研究中CART 决策树和列线图内部验证的灵敏度与特异度分别为90.6%、86.0%和86.8%、80.0%，阳性预测值和阴性预测值分别为85.1%、90.7%和77.8%、87.4%，预测准确率分别为88.0%和82.6%，CART 决策树模型的各项性能指标均高于列线图模型。综合各项性能指标分析可得，2 种模型的预测性能均良好，CART 决策树略优于列线图。
列线图和CART 决策树两种模型均具有较高的准确性和较好的预测价值，CART 决策树预测性能略优于列线图。本研究提供了2 种可视化模型，便于帮助医护人员快速、准确地评估老年脑卒中患者的病耻感。本研究的局限性是样本量较小，样本代表性不足，未探讨其他数据挖掘技术如随机森林、支持向量机等方法的应用效果，未来还需要采取大样本的数据进行外部验证，对所建立的模型进一步完善。
[致谢] 承蒙河北大学经济学院刘永亮老师给予数据统计上的帮助与指导，特此致谢。
猜你喜欢病耻感病耻线图2型糖尿病患者病耻感与生存质量的相关性现代临床医学(2022年5期)2022-09-28老年2型糖尿病患者心理健康素养与病耻感的相关性分析现代临床医学(2022年2期)2022-04-19泌尿外科门诊早泄患者的病耻感调查研究成都医学院学报(2021年2期)2021-07-19预测瘢痕子宫阴道试产失败的风险列线图模型建立现代临床医学(2021年1期)2021-01-26帕金森病患者病耻感调查及影响因素分析神经损伤与功能重建(2020年11期)2020-12-01基于箱线图的出厂水和管网水水质分析供水技术(2020年6期)2020-03-17心境障碍患者病耻感与自尊水平的相关性探讨现代养生·下半月(2016年12期)2017-08-05强制医疗精神分裂症患者家属病耻感及相关因素研究中国当代医药(2017年10期)2017-06-05东山头遗址采集石器线图东北史地(学问)(2016年6期)2016-12-14康复期精神分裂症患者病耻感与人格的相关分析哈尔滨医药(2015年2期)2015-12-01
