冠心病病人二级预防服药依从性预测模型的构建

周 艺，贾立敏，霍奇文，冯翠娜，杜少英，娄士宁，石奇松，王 彦*

1.河北大学护理学院，河北 071000；2.保定市第五医院；3.河北大学附属医院；4.中国乐凯集团有限公司职工医院；5.保定市第二医院

当前，我国心血管疾病患病率和死亡率仍呈居高不下的增长态势[1]，冠心病是最为常见的心血管疾病。根据冠心病二级预防指南，如无禁忌证，冠心病病人应长期使用二级预防优化药物以降低复发率和猝死率[2]。但在实践中，冠心病病人二级预防优化药物的使用与指南要求差距甚远[3-4]，依从性差被认为是导致这一差距的主要原因。世界卫生组织（World Health Organization,WHO）曾指出，提高病人的治疗依从性比开发新的治疗方法获益更多[5]。因此，提高冠心病病人二级预防服药依从性，对于促进二级预防优化药物的使用、降低再入院率及死亡率具有重要意义[6-7]。研究显示，病人出院后随着时间延长，二级预防优化药物使用率逐渐降低[8]。临床医护人员如能在病人出院时预测其服药依从性，早期发现依从性差的高危个体，并明确其主要的危险因素，从而早期进行个体化的干预和随访，将有助于避免其服药依从性的下降。目前，尚未检索到关于冠心病病人二级预防服药依从性预测模型的相关研究。2003 年WHO 基于大量研究证据，将服药依从性的影响因素概括为社会经济、医疗照护、疾病、治疗和病人个人5 个维度[5]。本研究基于此模型，结合课题团队前期开展的质性研究结果[9]，并回顾大量文献，全面探索和分析服药依从性及其影响因素，构建冠心病病人二级预防服药依从性预测模型，为早期发现、实施个体化干预和随访提供依据。

1 对象与方法

1.1 对象 选取2017 年9 月—12 月在某市4 所医院住院的心内科冠心病病人，采用连续定点抽样方法共纳入356 例冠心病病人。纳入标准：①符合WHO《缺血性心脏病的命名及诊断标准》[10]；②非首次发病病人；③知情同意。排除标准：①病程≤1 个月；②合并严重身心疾病或脏器功能障碍；③交流障碍。

1.2 调查工具

1.2.1 一般社会人口学资料及疾病相关资料 包括年龄、性别、婚姻状况、文化程度、经济收入、家庭所在地，病程、冠心病家族史、住院次数、是否接受经皮冠状动脉介入术（PCI）或冠状动脉旁路移植术（CABG）等。

1.2.2 冠心病病人二级预防服药依从性问卷 由本研究团队自行编制。以《中国心血管疾病康复/二级预防指南（2015 版）》[11]药物处方为依据，包括“您是否按照医嘱要求的次数服药？”“您是否按照医嘱要求的剂量服药？”“您是否按照医嘱要求的时间服药？”“您是否按照医嘱要求从未间断服药？”“您是否按照医嘱要求从未擅自加减药物种类？”“您是否按时复查并按医嘱要求继续服药或调整药物？”6 个条目，采用4 级评分法，答题选项设置为从不(0 分)、偶尔(1 分)、经常(2 分)、总是（3 分）。得分越高表示服药依从性越好。该问卷重 测 信 度 为0.870，Cronbach's α 系 数 为0.830，以Morisky 服药依从性量表[12]为标准，效标效度为0.74[13]。

1.2.3 冠心病病人二级预防服药依从性影响因素调查表 以WHO 多维度依从性模型为框架，结合前期课题组关于冠心病病人服药行为的质性研究结果，同时总结大量相关文献，筛选冠心病病人服药依从性的影响因素，共37 个变量，其中社会经济维度包含社会学资料和社会支持共5 个变量，医疗照护维度包含医保类型、对医务人员的信任等4 个变量，疾病相关维度包含症状的严重程度及疾病相关资料11 个变量，治疗相关维度包含用药方案复杂性、药物疗效等3 个变量，病人相关维度包含人口学资料及对冠心病的认识等14 个变量。社会人口学及疾病相关变量由一般社会人口学资料及疾病相关资料获得，社会支持、焦虑、抑郁、合理用药自我效能分别通过社会支持评定量表、广泛性焦虑量表、病人健康问卷及合理用药自我效能量表获得；其余15 个变量由自编问卷获得。该问卷共36个条目，条目选项为“是”（计1 分）与“否”（计0 分）。Cronbach's α 系数为0.727，重测信度为0.764。条目水平的内容效度（I-CVI）为0.850～1.000，量表水平的内容效度（S-CVI）为0.800。社会支持评定量表：包含客观支持、主观支持、对支持的利用度3 个维度，共10 个条目[14]。总分为12～66 分，分值越高表示社会支持水平越高[15]。广泛性焦虑量表：包含7 个条目，总分为0～21 分[16]，分值越高表示焦虑症状越严重[17]。病人健康问卷：为抑郁自评问卷，包含9 个条目，得分为0～27分，越高表示抑郁症状越严重[18-19]。合理用药自我效能量表：由Risser 等[20]开发，国内学者翻译形成中文版[21]，Cronbach's α 系 数 为0.934，重 测 信 度 为0.932。问卷包括2 个维度，采用3 级评分，总分为13～39 分，分值越高表示越有信心坚持服药。

1.3 资料收集方法 由接受培训的调查员与病人面谈，知情同意后，发放问卷，当场填写，完成后调查员对问卷进行检查、核实。

1.4 统计学方法 采用SPSS 22.0 软件和R 软件进行数据统计和分析。定量资料用均数±标准差（±s）描述，采用t检验、方差分析进行分析；定性资料采用频数、百分比描述。应用Pearson 相关分析探索连续性变量的相关性，采用多元线性回归及回归树构建预测模型。预测性能采用平均绝对误差（MAE）、均方误差（MSE）和标准化后的平均绝对误差（NMSE）。以P＜0.05 为差异有统计学意义。

2 结果

2.1 冠心病病人一般资料及其二级预防服药依从性状况 356 例病人年龄30～87（65.19±10.02）岁；男性占62.64%；服药依从性得分为（14.51±3.31）分。冠心病病人一般资料及其二级预防服药依从性得分影响因素的单因素分析见表1。

表1 冠心病病人一般资料及其二级预防服药依从性得分影响因素的单因素分析(n=356，±s) 单位：分

表1 冠心病病人一般资料及其二级预防服药依从性得分影响因素的单因素分析(n=356，±s) 单位：分

统计值P项目 分类年龄＜50 岁50～＜60 岁60～＜70 岁70～＜80 岁≥80 岁性别男女婚姻状况文化程度家庭所在地家庭月收入职业工作状态居住情况医疗付费方式病程距离上次住院时间住院次数有配偶无配偶小学及以下初中高中及以上农村乡镇城市1 000～＜2 000 元2 000～＜3 000 元≥3 000 元农民其他无业退休在职独居非独居职工医保城镇居民医保新农合自费＜1 年1～＜10 年10～＜20 年≥20 年＜1 年1～＜2 年2～＜3 年≥3 年＜2 次2 次 或3 次4 次 或5 次≥6 次冠心病家族史是否PCI是否CABG是否合并其他疾病是否合并心力衰竭是否是否是否是否是否F=0.925 0.449 t=1.312 0.190 t=-0.115 0.909 F=0.905 0.406 F=6.443 0.002 F=9.948＜0.001 t=-2.430 0.016 F=4.769 0.009 t=-0.110 0.912 F=2.574 0.054 F=0.660 0.577 F=1.506 0.213 F=1.568 0.197 t=-0.349 0.727 t=3.643＜0.001 t=1.986 0.048 t=1.047 0.296例数20 85 125 105 21 223 133 320 36 129 121 106 137 40 179 56 192 108 133 223 133 173 50 23 333 178 24 142 12 37 231 65 23 135 76 69 76 95 153 44 64 145 211 144 212 17 339 331 25 65 291服药依从性得分13.20±4.24 14.51±3.37 14.55±3.00 14.60±3.57 15.00±2.34 14.68±3.23 14.21±3.44 14.50±3.37 14.57±2.76 14.31±3.36 14.52±3.37 15.13±2.80 13.75±3.54 15.43±3.09 14.88±3.07 12.85±3.98 14.59±3.10 15.21±3.03 13.93±3.58 14.84±3.10 13.94±3.66 15.06±2.81 14.10±3.67 14.43±3.10 14.51±3.33 14.98±3.07 14.42±3.32 14.01±3.54 13.67±3.42 15.00±3.29 14.33±3.25 14.78±3.44 14.69±3.55 14.55±3.51 15.13±2.80 14.20±2.87 14.09±3.74 14.04±3.87 14.67±3.16 14.13±3.08 15.08±2.84 14.43±3.18 14.56±3.40 15.26±3.06 13.98±3.39 16.06±2.46 14.44±3.13 14.56±3.23 13.84±4.25 13.75±4.07 14.68±3.10 t=-1.719 0.089

2.2 冠心病病人二级预防服药依从性得分影响因素的相关性分析 Pearson 相关分析结果显示：对医务人员的信任（r=0.234，P＜0.001）、住院期间健康教育（r=0.165，P=0.002）、随访（r=0.189，P＜0.001）、疾病认知（r=0.215，P＜0.001）、疾 病 危 险 因 素 认 知（r=0.319，P＜0.001）、药 物 副 作 用 知 识（r=0.116，P=0.029）、对疾病的重视程度（r=0.402，P＜0.001）、服药态度（r=0.355，P＜0.001）、服药管理（r=0.399，P＜0.001）、健忘（r=-0.080，P=0.048）、担心药物副作用（r=-0.206，P＜0.001）、焦虑（r=-0.120，P=0.024）、抑郁（r=-0.216，P＜0.001）、合理用药自我效能（r=0.616，P＜0.001）和 社 会 支 持 总 分（r=0.191，P＜0.001）与冠心病病人二级预防服药依从性总分相关。

2.3 冠心病病人二级预防服药依从性预测模型的构建与验证 本次调查中选取其中300 例冠心病病人资料进行模型构建，其余56 例进行内部验证。采用多元线性回归及回归树构建预测模型，比较得出最优模型。以服药依从性为因变量，将单因素分析中有统计学差异和显著相关的变量为自变量。多元线性回归预测模型及回归树预测模型的残差平方和分别为1 680.791，3 332.680，残差呈正态分布，多元线性回归预测模型结果见表2，回归树预测模型见图1。多元线性回归预测模型：MAE=1.609，MSE=4.227，NMSE=0.441；回归树预测模型：MAE=2.126，MSE=9.032，NMSE=0.943。NMSE 分值范围为0～1，分值越小表示模型的预测性能越好。经比较，多元线性回归预测模型的MAE、MSE 和NMSE 均小于回归树预测模型，表明本研究中多元线性回归模型预测性能更好，回归方程：服药依从性=-1.004+0.298×合理用药自我效能+0.754×对疾病的重视程度-0.903×担心药物副作用+0.527×服药管理+1.261×家庭所在地+0.257×疾病危险因素认知+0.970×工作状态+0.774×PCI+1.363×CABG。

表2 冠心病病人二级预防服药依从性多元线性回归模型

图1 冠心病病人二级预防服药依从性回归树预测模型

3 讨论

3.1 冠心病病人二级预防服药依从性预测模型构建的意义 冠心病作为一种常见的慢性疾病，因其反复发作、反复住院甚至猝死，使病人健康受到严重威胁，生活质量下降，医疗费用增加[22-23]。循证证据表明，冠心病二级预防可以有效地避免心血管事件再发，减少症状，降低死亡风险[11]。二级预防指南提出，坚持有循证依据的药物治疗是冠心病防治的基础，并建议若无禁忌证应终身规律服药[11]。因此，服药依从性对于改善冠心病病人临床结局至关重要[6-7]。但在临床实践中服药不依从行为非常常见，已成为一个严重的公共卫生问题。目前，关于服药依从性现状及影响因素的研究较多，由于服药依从性随出院时间而下降，存在滞后性。若能提前预测并有针对性地帮助病人避免可能导致依从性下降的风险，则对于改善其依从性可能将是一个有效的策略。故此，本研究对于提高病人服药依从性、改善预后具有重要意义。

3.2 冠心病病人二级预防服药依从性预测模型的评价 本研究基于WHO 多维度依从性模型，结合前期课题组关于冠心病服药行为的质性研究的结果[9,24]，同时回顾大量相关文献，涵盖了社会经济、医疗照护、疾病、治疗和病人5 个维度的影响因素，经过了专家内容效度评定，显示很好的信度和效度[25]，从而确保不遗漏重要的依从性影响因素。服药依从性的评定工具遵循了冠心病二级预防药物指南，并以通用的Morisky 服药依从性量表为标准，经检验具有较高的效标效度，且更能体现冠心病病人二级预防服药的要求。应用R 软件，分别采用多元线性回归和回归树两种统计方法，以期获得最优的预测模型，使用残差平方和比较两个预测模型的拟合效果[26]。结果显示，多元线性回归预测模型的残差平方和远远小于回归树预测模型，说明多元回归预测模型的拟合效果更好；多元线性回归预测模型的MAE、MSE 和NMSE 均小于回归树预测模型，说明多元线性回归预测模型的预测性能也更好，可能与回归树模型不稳定相关。回归树统计往往基于大样本构建模型，因为如果一个节点内的样本例数少，不能进行继续向下分枝，并且异常值容易造成影响[26-27]。本次调查构建模型所用样本较少，可能是导致回归树模型预测性能不理想的原因，提示未来需要进一步扩大样本量，以期获得更优的预测模型。此外，NMSE越接近0，预测性能越好。本研究中多元线性回归预测模型NMSE 为0.441，说明下一步的研究还应继续扩大样本量，收集多中心样本资料，通过不断优化预测模型，提升预测性能。

3.3 冠心病病人二级预防服药依从性预测模型、预测因素及其临床意义 本研究结果显示，合理用药自我效能、对疾病的重视程度、担心药物副作用、服药管理、家庭所在地、疾病危险因素认知、工作状态、是否PCI或CABG 是冠心病病人二级预防服药依从性的主要预测因素，其中合理用药自我效能越高、重视疾病、服药管理得当、了解冠心病危险因素、接受PCI 或CABG病人，其服药依从性较高；担心药物副作用、居住在农村、无业或在职的病人，其服药依从性低的可能性比较大。临床实践中医护人员可以通过评估病人上述预测因素的实际值，代入本研究所得预测模型，通过计算即可得到病人预测的服药依从性得分，然后结合其预测因素的实际情况给予有针对性的干预指导，从而实现早期发现、实施针对性干预和随访，促进病人在院外坚持服药，避免不依从的发生。

4 小结

本研究构建了冠心病病人二级预防服药依从性预测模型并进行了验证，利用此模型可以早期发现服药依从性差的高危病人，及早进行个体化干预。为了方便临床应用，本研究团队将进一步开发手机APP，从而由后台实现模型计算和预测因素筛检，并实施针对性干预。同时，下一步研究则对该模型进行外部验证，以明确其具有早发现、早干预并改善病人服药依从性的功能。但本研究也存在一定的局限性，样本量小且样本来源单一，今后还将扩大样本量，开展多中心、多层次的调查，并结合机器学习的方法，不断优化预测模型，更新手机APP，以实现更为精准预测、更为便捷应用的目的。