腦卒中后衰弱的Nomogram預測模型的構建及驗證

丁 麗 樂 云 程建蘭 萬小微 于曉明

腦卒中患病率及死亡率逐年上升,其發生主要由于腦組織的梗死,梗死部位不同,癥狀也有所差異。腦卒中患者常出現肢體運動功能、感覺功能、認知功能等障礙,其功能障礙嚴重影響患者的日常生活[1-3]。衰弱是指生理儲備下降導致機體易損性增加、抗應激能力減退的非特異性狀態。其涉及多系統病理、生理變化,包括神經、肌肉、代謝及免疫系統等。衰弱是一個動態過程,且是可逆的[4-5]。因此,有效識別腦卒中患者衰弱的影響因素并早期、及時進行干預對患者的預后具有積極影響。Nomogram是將多因素回歸分析結果,采用圖形方式表現,將多個預測指標進行整合,并采用帶有刻度的線段,按照一定的比例繪制在同一平面上,以表達預測模型中各個變量之間的相互關系[6]。本研究構建腦卒中后衰弱的Nomogram預測模型及驗證預測效果,旨在為臨床提供參考,現報告如下。

1 資料與方法

1.1 一般資料

回顧性分析2022年1月-2023年1月我院收治的腦卒中患者132例,根據衰弱篩查Frail量表分為衰弱組83例和非衰弱組49例。 納入標準:(1)符合腦卒中的診斷標準[7];(2)年齡40～85歲;(3)臨床資料完整。排除標準:(1)發病前存在衰弱;(2)患有精神疾病;(3)合并惡性腫瘤;(4)伴營養吸收障礙。本研究獲醫院醫學倫理委員會批準。

1.2 方法

通過查閱病歷、面對面交流、問卷調查等方式收集兩組患者一般資料,包括年齡、性別、BMI、吸煙史、飲酒史、多重用藥、首發腦卒中、高血壓、糖尿病、營養不良、入院NIHSS評分、抑郁情緒。NIHSS包括感知功能、意識水平、視力及專注力、語言功能、肢體功能協調性等,總分0～42分,分值越低表明神經功能越好[8]。采用衰弱篩查Frail量表[9]對患者進行評價,該量表包含生理、環境、認知、心理、社會5個維度,共26個條目?；卮稹笆恰睘?分,“否”為0分,總分為0～26分?！?分為存在衰弱,反之為不存在衰弱。

1.3 統計學方法

2 結果

2.1 腦卒中后患者發生衰弱影響因素的單因素分析,表1

表1 腦卒中患者發生衰弱影響因素的單因素分析

單因素分析結果顯示,兩組年齡、首發腦卒中、高血壓、糖尿病、營養不良、入院NIHSS評分及抑郁情緒比較差異有統計學意義(P<0.05)。

2.2 腦卒中后患者發生衰弱影響因素的多因素Logistic回歸分析,表2～3

表2 變量賦值

表3 腦卒中后患者發生衰弱影響因素的多因素Logistic回歸分析

以患者發生衰弱為因變量,以單因素分析中差異有統計學意義的變量為自變量,進行多因素Logistic回歸分析。結果顯示,年齡、糖尿病、營養不良、入院NIHSS評分及抑郁情緒為腦卒中患者發生衰弱的影響因素(P<0.05)。

2.3 腦卒中后患者發生衰弱的Nomogram預測模型構建,圖1

圖1 腦卒中后患者發生衰弱的Nomogram預測模型

根據多因素Logistic回歸分析結果構建腦卒中后衰弱的Nomogram預測模型,該預測模型納入了年齡、糖尿病、營養不良、入院NIHSS評分及抑郁情緒。臨床實際應用時,可根據患者資料對應各因素對因變量的影響程度賦分,各因素得分相加總分可根據圖1中的概率。風險預測模型:Logit(P)=-14.205+0.126×年齡+1.454×糖尿病+2.570×營養不良+2.964×入院NIHSS評分+2.731×抑郁情緒。

2.4 腦卒中后患者發生衰弱的Nomogram預測模型效能檢驗,圖2～3

圖2 模型的ROC曲線

圖3 模型的校正曲線

H-L擬合優度檢驗結果顯示,χ2=7.133,P=0.522,ROC曲線下面積為0.928(95%CI:0.881～0.976),靈敏度為84.30%,特異度為89.80%。表明該模型擬合優度良好,具有較好的預測效能。選擇2022年7月-2023年1月收治的腦卒中患者60例,預測26例患者發生衰弱,實際發生衰弱21例,預測34例未發生衰弱,實際未發生衰弱29例,預測準確率為83.33%。

3 討論

3.1 腦卒中后患者發生衰弱的影響因素分析

本研究結果顯示,年齡、糖尿病、營養不良、入院NIHSS評分以及抑郁情緒均為腦卒中患者發生衰弱的影響因素(P<0.05)。張寧等[10]報道,長期高血糖可引起患者骨骼肌線粒體功能障礙及微血管病變,造成衰弱。因此,需對腦卒中合并高血糖患者進行干預,并制定個體化的血糖控制,既要控制血糖,還要注重營養[11]。蒲虹杉等[12]報道,衰弱與營養、肌少癥息息相關,三者之間相互影響,相互促進?？傁牧肯陆悼梢鸹颊邤z入量減少,進而造成患者營養不良。而營養不良可降低肌肉質量,引發患者肢體功能障礙,造成失能、跌倒等,加速衰弱的進展。臨床可通過改善患者營養狀態,減少肌肉質量的下降,降低衰弱發生率。因此,需提高對患者營養狀況的關注度,注重飲食調節、科學喂養及營養干預[13]。身體機能隨著年齡的增長而逐漸衰退,腦卒中患者多器官功能減退,免疫功能退化,機體無法對外界不良刺激進行有效防御,最終導致衰弱的發生。入院NIHSS評分已被證實可作為腦卒中預后的重要預測指標[14]。NIHSS評分較高時,表明患者神經損傷較嚴重,且伴有其他功能受損,加重衰弱的進展。因此,對于入院NIHSS評分較高的患者需重點關注,改善患者神經功能,降低衰弱的發生率。抑郁可導致患者出現睡眠障礙,加重衰弱的發生。抑郁患者活動量減少、食欲下降、攝入量減少,降低肌肉質量,導致營養不良;對治療產生消極情緒,加重病情,加速衰弱的進展。因此,需對抑郁情緒患者進行心理干預,改善患者抑郁情緒,降低衰弱發生率。

3.2 腦卒中后患者發生衰弱的Nomogram預測模型預測效能較好

本研究構建腦卒中后衰弱的Nomogram預測模型,臨床實際應用中,醫護人員可根據其計算腦卒中患者發生衰弱的概率。并根據影響因素制定干預措施,有效改善患者的治療與預后。此外,本研究對該模型進行了驗證,結果顯示,H-L擬合優度檢驗結果顯示,χ2=7.133,P=0.522,ROC曲線下面積為0.928(95%CI:0.881～0.976),靈敏度為84.30%,特異度為89.80%,預測準確率為83.33%。模型校正曲線總體較理想,表明該模型擬合度良好,具有較好的預測效能及較高的臨床價值。

綜上所述,腦卒中后患者衰弱的發生受多重因素影響,根據多因素Logistic回歸分析結果構建腦卒中后衰弱的Nomogram預測模型具有較高的臨床價值。但本研究具有一定的局限性,且為單中心研究、樣本量較少,且納入的因素較少。因此,后續研究可擴大樣本量、行多中心研究、擴大納入因素。