谵妄预测模型建立和评价的临床研究

罗小波，李劲松，罗明春，蔡昆

谵妄预测模型建立和评价的临床研究

罗小波，李劲松，罗明春，蔡昆

目的：通过数据分析建立谵妄的预测模型，并对模型进行评价和应用实践。方法：回顾性整理1521例自贡第四人民医院重症医学科住院患者的临床资料，按照是否发生谵妄，分为谵妄组（527例）和非谵妄组（994例），进行Logistic回归分析后建立模型。结果：谵妄预测模型建立为：L=APACHE II评分+0.0558×总胆红素+1.191×尿素氮+4.098×饮酒史+2.009×呼吸机，L＞51.39，即可预测谵妄发生。预测模型进行评价，模型系数的全局性Omnibus检验，χ2=1025.74，P＜0.001，有统计学意义。模型的灵敏度78.0%，特异度93.5%，漏诊率22.0%，误诊率6.5%。预测概率ROC曲线下面积为0.926，95%置信区间为（0.91，0.94）。结论谵妄预测模型可运用于临床，对预防患者谵妄带来的不良结局有重要意义。

谵妄；模型；预测

谵妄是患者大脑皮质功能出现障碍后导致的严重的意识障碍，属于意识内容的改变。常常以注意缺乏指向性、意识清晰度紊乱、知觉减少及昼夜周期破坏为表现。谵妄的发生率高，如未能及时诊治，可能导致意外气管插管拔管、误吸、缺氧、死亡等[1]。因此，对谵妄的发生进行早期预测有重要意义。经四川省科技情报中心查新，尚无建立谵妄早期预测模型并将模型制作成手机软件的研究。我科开展了此项研究，拟为谵妄预测提供理论依据和临床研究，报道如下。

1 资料与方法

1.1 一般资料

回顾性收集2015年8月至2017年3月在自贡市第四人民医院重症医学科住院且资料齐全的住院患者1521例的临床资料。纳入标准为：年龄＞18岁，既往无脑血管病史，患者或家属签署科研同意书。排除标准为：既往有精神障碍病史，住院时间＜24 h。根据谵妄诊断量表（confusion assessment method-intensive care unit，CAM-ICU），阳性527例纳入谵妄组，男183例，女344例，平均年龄（54.63±21.75）岁；阴性994例纳入非谵妄组，男343例，女651例，平均年龄（53.43±20.70）岁；2组年龄（t=1.064，P=0.287）和性别比（χ2=0.007，P=0.932）差异无统计学意义，具有可比性。

1.2 方法

1.2.1 评估工具 本研究采用急性生理与慢性健康评分表（acute physiology age and chronic health evaluation，APACHE II）[2,3]评估患者病情，该量表既可评估病情危重程度，也可反映疾病预后。采用CAM-ICU评估重症病房患者有无谵妄[4]。

1.2.2 研究方法 ①样本量估计。本研究共有24个自变量参与回归分析，以确定谵妄的危险因素。②数据收集。患者入重症医学科24 h内采集以下项目数据：年龄、性别、APACHE II评分、饮酒史、吸烟史、有无感染、总胆红素、尿素氮、血气分析PH值、氧合指数、二氧化碳分压（PCO2）、乳酸、电解质（钾，钠，钙离子）、肌酐、肌酸激酶、乳酸脱氢酶、血红蛋白、有无使用呼吸机、有无手术、有无使用镇静药物、镇痛药物等数据资料。对患者自身的因素、疾病的因素、治疗的因素进行全面观察。③数据分析处理。对其中的名义变量进行赋值后录入SPSS（1=有，0=无），对其中的区间变量直接按数值进行录入。④建立模型。模型评价并实际运用。

1.3 统计学分析

统计工具使用IBM-SPSS 22.0版本。单因素分析中，比较2组在分类变量上的差异选择卡方检验；连续变量不服从正态分布，故选择两独立样本的秩和检验。继续进行二元Logistic回归分析，对于谵妄的独立影响因素，选择ROC曲线进行临界值的探寻，运算出联合预测因子。

2 结果

2.1 单因素分析

单因素分析结果可以清晰看出，2组在饮酒、呼吸机使用、APACHE II评分、总胆红素、尿素氮、乳酸脱氢酶上存在显著差异，是谵妄的可疑影响因素，见表1、2。

表1 2组分类指标比较[例(%)]

2.2 多因素分析

多因素分析结果显示，饮酒、呼吸机使用、APACHE II评分、总胆红素、尿素氮是谵妄的独立影响因素，见表3。乳酸脱氢酶不是谵妄的独立影响因素（P=0.093＞0.05）。饮酒、呼吸机使用、APACHE II评分、总胆红素、尿素氮对谵妄的影响是：①饮酒患者出现谵妄是不饮酒患者的2.43倍。②使用呼吸机出现谵妄的可能性是不使用呼吸机的1.54倍。③APACHE II评分每高1分，出现谵妄的可能性增加1.240倍。④总胆红素每高1单位，出现谵妄的可能性增加1.012倍。⑤尿素氮每高1单位，出现谵妄的可能性增加1.291倍。

2.3 模型建立

经过二项Logistic分析得出联合预测因子，模型建立为：L=APACHE II评分+0.0558×总胆红素+1.191×尿素氮+4.098×饮酒史+2.009×呼吸机（注：以上公式运算可以直接代入评分、总胆红素、尿素氮数值。饮酒患者，饮酒=1，不饮酒患者，饮酒=0；使用呼吸机患者，呼吸机=1，未使用呼吸机患者，呼吸机=0），L＞51.39，即可预测谵妄发生。

模型建立后可用于临床计算谵妄发生率大小，并且可以制作成为手机智能程序，方便随时随地快捷计算。举例：胆管炎术后入住重症医学科24 h内的患者1例，APACHE II评分为25分，有饮酒史，总胆红素为43µmol/L，尿素氮为16 mmol/L，使用呼吸机，发生谵妄的概率是多少？计算：L=APACHE II评分+0.0558×总胆红素+1.191×尿素氮+4.098×饮酒史+2.009×呼吸机=25+0.0558×43+1.191×16+4.098×1+2.009×1=52.56，L＞51.39，预测92.6%的几率谵妄事件会发生，临床上应重视预防谵妄发生，采取悬挂防意外拔管的警示牌，加固气管插管，理顺各种引流管道等预先防范的监护措施，避免意外事件发生。

表2 2组连续指标比较[中位数(四分位间距)]

2.4 模型的评价，联合预测因子的ROC曲线

多因素分析结果显示，饮酒、呼吸机使用、APACHE II评分、总胆红素、尿素氮是谵妄的独立影响因素。通过综合考虑患者在这5个指标上的因素，得出联合指标，通过5个指标的完全串联联合提升诊断的准确度。联合预测因子与饮酒、呼吸机使用、APACHE II评分、总胆红素、尿素氮5种因子对谵妄的预测准确度的差异对比显示，联合预测因子的曲线下面积最大、最靠近左上角，见图1。ROC曲线图的运算结果见表4。

表3 相关指标多因素分析结果

表4 ROC曲线临界值

3 讨论

3.1 谵妄发生的患者自身因素

本次研究纳入了多种患者自身因素，多因素分析后结果显示饮酒为谵妄独立危险因素（OR:2.413，95%CI:1.731～3.364）。国内一项关于重症医学科谵妄患者自身因素的meta分析结果显示，仅酒精滥用为重症医学科 谵妄的独立预测因子（OR:2.56，95%CI:1.48～4.44）[5]。汇总10项国外研究结果，发现只有其中1项研究数据提示精神活性物质史也为谵妄的危险因素之一[6]。饮酒导致谵妄的可能机制为：酒精影响脑组织代谢功能，使脑细胞的交换信息能力障碍，甚至脑细胞接受信息的能力下降，导致谵妄的发生。以往研究中，高龄也曾被认为危险因素，与本研究结果不同。不除外高龄患者发生活动减少型谵妄有漏诊的因素所致。有研究[7]指出，约15%～53%的老年患者在重症医学科治疗期间发生谵妄，其中＞70岁的老年人群谵妄发生率更高至31%。本研究年龄＞70岁患者415例，发生谵妄157例（37.8%），发病率与国外研究相近。但与年龄＜70岁的患者相比，差异并无统计学意义（χ2=2.554，P=0.116）。患者自身因素可能因地区不同，发病率也有所差异，自贡市第四人民医院重症医学科病员多来自于川南地区，患者自身因素对谵妄发生率的影响可能需要不同地区，多中心的进一步研究。

图1 ROC曲线

3.2 谵妄发生的疾病因素

研究报道谵妄发生的疾病因素主要有：重症感染、心力衰竭、脑梗死、电解质紊乱、恶性肿瘤、休克等[8]。可能的机制为：①原发疾病导致患者焦虑或恐惧心理反应；②原发疾病引起全身炎症反应，神经递质变化，以及脓毒症内毒素作用；③血流动力学变化导致氧供氧耗不平衡，并发谵妄。有国内学者[5]Meta分析提示感染（OR:7.57，95%CI:5.19～11.03）和 APACHE II（OR:3.23，95%CI:2.10～4.36）为谵妄的危险因素。但因为APACHE II仍然存在自身结构上的一些缺点，所以本研究中补充了一部分血液生化指标纳入研究。研究结果显示，总胆红素和尿素氮也是谵妄发生的独立预测因子。并且经过Forward:LR法筛选进入模型的变量时，总胆红素和尿素氮仍能进入模型，提示代谢障碍在谵妄发生过程中占有重要地位。肝肾功能代谢异常引起谵妄的机制可能与乙酰胆碱有关，胆碱能系统是重要的脑内神经递质的病理生理基础。还有一些单篇文献研究报道了低钙血症、肝酶学升高以及低白蛋白血症也可能是谵妄的危险因素。这些因素在本次研究中并未得出有统计学意义的结果，可能与收入我科的患者常常有院外治疗史，医源性的补充了白蛋白及使用保肝药物和补液等治疗，导致研究结果不同有关。

3.3 谵妄发生的治疗因素

Ely EW等[9]研究提示机械通气、手术、药物等为谵妄发生的危险因素。本次研究提示呼吸机为预测模型变量之一（OR:1.540，95%CI:1.114～2.131），而手术、药物使用则未能进入预测模型。Ely EW等[9]研究更为深刻的揭示了，呼吸系统疾病、使用呼吸机治疗、镇静药物使用，其实本质均为低氧的根本原因所致。有多项研究[10-12]提示腹部、胸部手术可导致谵妄发生率增高，但在本研究中未得出差异有统计学意义，分析原因为我科接受的手术患者均为病情极为严重的类型，绝大多数手术后即进入麻醉复苏室监护，因此对于手术是否导致谵妄发生率变化的情况，应将麻醉复苏室中的病例一并纳入研究可能得出更准确的结果，有待进一步研究。

综上所述，谵妄的发生与患者自身因素、疾病因素和治疗因素均有密切相关，是多因素导致的症状。通过本次研究得出结论谵妄预测模型可运用于临床，对预防患者谵妄带来的不良结局有重要意义。

参考资料

[1]Ali S,Patel M,Jabeen S,et al.Insight into delirium[J].Innov Clin Neurosci,2011,8:25-34.

[2]Knaus WA,Draper EA,Wagner DP,et al.APACHE II:a severity of disease classification system[J].Crit Care Med,1985,13:818-829.

[3]Lee H,Lim CW,Hong HP,et al.Efficacy of the APACHE II score at ICU discharge in predicting post-ICU mortality and ICU readmission in critically ill surgical patients[J].Anaesth Intensive Care,2015,43:175-186.

[4]Ely EW,Inouye SK,Bernard GR,et al.Delirium in mechanically ventilated patients:validity and reliability of the confusion assessment method for the intensive care unit(CAM-ICU)[J].JAMA,2001,286:2703-2710.

[5]黄洁,肖倩,吴瑛,等.ICU谵妄危险因素的Meta分析[J].中华护理杂志,2010,45:6-9.

[6]Pandharipande P,Shintani A,Peterson J,et al.Lorazepam is an independent risk factor for transitioning to delirium in intensive care unit patients[J].Anesthesiology,2006,104:21-26.

[7]Inouye SK,Marcantonio ER,Kosar CM,et al.The short-term and longterm relationship between delirium and cognitive trajectory in older surgical patients[J].Alzheimers Dement,2016,12:766-775.

[8]Aldemir M,Ozen S,Kara IH,et al.Predisposing factors for delirium in the surgical intensive care unit[J].Crit Care,2001,5:265-270.

[9]Ely EW,Shintani A,Truman B,et al.Delirium as a predictor of mortality in mechanically ventilated patients in the intensive care unit[J].JAMA,2004,291:1753-1762.

[10]Liao Y,Flaherty JH,Yue J,et al.The incidence of delirium after cardiac surgery in the elderly:protocol for a systematic review and meta-analysis[J].BMJ Open,2017,7:e014726.

[11]van der Sluis FJ,Buisman PL,Meerdink M,et al.Risk factors for postoperative delirium after colorectal operation[J].Surgery,2017,161:704-711.

[12]Kumar AK,Jayant A,Arya VK,et al.Delirium after cardiac surgery:A pilot study from a single tertiary referral center[J].Ann Card Anaesth,2017,20:76-82.

To Establish and Evaluate a Prediction Model for Delirium

LUO Xiao-bo,LI Jin-song,LUO Mingchun,CAI Kun.Department of Critical Care Medicine,Zigong Fourth People's Hospital of Sichuan Province,Sichuan 643000,China

Objective:Our study was designed to establish and evaluate a predictive model for delirium based on data analysis.Methods:We retrospectively collected the clinical data of 1521 hospitalized patients in the department of critical care medicine,Zigong Fourth People's Hospital.Patients were divided into delirium group(n=527)and non-delirium group(n=994)according to whether or not the patient had delirium during hospitalization.We established the model after logistic statistical analysis of these data.Results:We established a prediction model for delirium by data analysis.L=APACHE II score+0.0558×total bilirubin value+1.191×urea nitrogen+4.098×history of drinking+2.009×mechanical ventilation.If the value of L is higher than 51.39,it is likely that delirium would occur.We evaluated the prediction model.The global Omnibus test of model coefficients,χ2=1025.74,P＜0.001,which was statistically significant.The sensitivity of the model was 78%,specificity was 93.5%,missed diagnosis rate was 22%,and misdiagnosis rate was 6.5%.The area under the ROC curve was 0.926,95%confidence interval(0.91,0.94).Conclusion:The prediction model for delirium could be useful in clinical diagnosis and treatment to prevent the occurs of adverse outcomes.

delirium;model;prediction

R741；R741.02

ADOI10.16780/j.cnki.sjssgncj.2017.06.019

自贡市第四人民医院重症医学科四川自贡643000

四川省医学会重症医学(新晨)专项课题（No.2015ZZ002）

2017-08-21

罗小波xiaoboluo1730@163.com

（本文编辑：唐颖馨）