化疗相关性恶心呕吐影响因素分析及列线图模型构建

张玉青, 索玮晨, 吴丽平

化疗作为中晚期临床治疗癌症的重要手段[1-3],极易引起相关不良反应[4]。化疗所致恶心呕吐(chemotherapy-induced nausea and vomiting,CINV)为最常见的化疗副作用之一,在化疗患者中发生率可高达50%～80%[5-6]。CINV导致患者生理痛苦、心理压抑及社会功能限制,迫使部分患者延期或放弃接受进一步治疗,不仅会降低患者的生活质量,还会影响其治疗依从性。严重的恶心呕吐影响患者进食,导致厌食、电解质紊乱及酸碱失衡、营养不良等,使患者产生恐惧、焦虑等负性情绪,甚至会终止治疗。有研究表明,CINV是影响化疗效果的重要危险因素[7]。列线图是临床预测模型的一种图形表示方式,跟评分系统一样,也是基于个体预测变量的数值来计算得分,然后根据得分计算某事件或生存概率的风险。列线图与其他预测模型相比,具有直观、使用简便等优势。

近年来有关化疗患者CINV影响因素的报道屡见不鲜,但关于其列线图模型的构建还未见报道。本研究构建患者化疗所致恶心呕吐的列线图模型,作为评估和筛查CINV高风险人群的工具,可为临床医护人员制定化疗患者CINV个性化管理方案提供借鉴。

1 资料与方法

1.1 一般资料

采用便利抽样的方法,选取2021年12月至2022年10月就诊于我院肿瘤内科行化疗的患者320例。纳入标准:确诊肿瘤且需行化疗治疗;年龄≥18岁;意识清楚,入院后由医院餐厅配餐;无精神类疾病史,沟通正常;患者(家属)知情同意,自愿参加。排除标准:合并创伤或其他外伤等。本研究已通过我院伦理委员会伦理审批。

1.2 方法

1.2.1 分组方法 本研究采用问卷调查的方法,对入组患者进行自制问卷的调查。根据化疗患者在入院化疗期间,是否发生CINV(包括急性和延迟性CINV),将入组患者分为发生CINV组和未发生CINV组。

1.2.2 影响因素确定 本研究通过文献检索、专家小组会议总结19个相关危险因素,分为患者自身因素、疾病及治疗因素,相关危险因素见表1。

表1 化疗患者CINV的影响因素

1.2.3 调查工具 ①影响因素问卷:采用自制一般问卷,内容包括表1影响因素,共19项组成。②化疗相关性恶心呕吐量表[9](Index of nausea and vomiting and retching,INVR):该量表有3个维度共有8个条目。量表采用 Likert 0～4分既5分计分法,0～4分分别代表“完全没有”“有一些”“中等程度”“十分明显”和“非常严重难以忍受”。计分时累加最小值0分,最大值32分,各维度分值越高表示患者恶性呕吐和干呕程度越严重。③焦虑:采用焦虑自评量表(Self-rating anxiety scale,SAS)评估[10]。SAS采用4级评分,按照中国常模结果,其标准为:无焦虑标准分<50分,轻度焦虑50～59分,中度焦虑60分～69分,重度焦虑≥70分。④睡眠质量:采用匹茨堡睡眠质量指数(Pittsburgh sleep quality index,PSQI)[11]来评估。PSQI由7个因子组成,包括睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物、日间功能障碍。每个因子按0～3等级计分,累计各因子得分则为PSQI总分。PSQI总分范围为0～21,PSQI≥8分视为睡眠质量差,得分越高表示睡眠质量越差。

1.2.4 问卷回收和质量控制 该问卷由本研究者通过微信问卷星制作,问卷包含一般资料及上述三个问卷,于2021年12月发布,2022年截至5月共计回收332份问卷。使用重测信度法剔除无效问卷12分,共回收有效问卷320份,有效回收率96.39%。

1.3 统计学方法

2 结果

2.1 化疗患者的一般资料

320例化疗患者中,化疗相关性恶心呕吐发生例数134例(41.88%),其中,恶心例数为131例(40.94%),呕吐例数94例(29.38%),患者一般资料具体见表2。

表2 320例化疗患者一般人口学资料

2.2 化疗患者CINV单因素分析

按照患者有无发生CINV分为两组,即发生CINV组和未发生CINV组,所有数据进行正态性检验后采用卡方检验,分析结果显示:CINV与年龄、性别、饮酒、睡眠质量、既往CINV史、妊吐史、化疗次数、止吐药物种类、晕动病史及心理预感发生CINV有关,且差异有统计学意义,具体见表3。

表3 化疗患者CINV影响因素

2.3 化疗患者CINV的Logistic多因素回归分析

选取P<0.2的影响因素:年龄、性别、饮酒史、PSQI得分、既往CINV病史、妊吐史、化疗次数、止吐药物种类、参与社会工作、晕动病史、使用非甾体抗炎药、心理预期CINV及焦虑,将影响因素中的数值变量以原值输入,分类数据变量进行赋值(见表4),将筛选出的单因素进入多因素回归分析,回归分析结果见表5。

表4 分类变量赋值

表5 化疗患者CINV多因素回归分析

2.4 构建CINV风险列线图模型

根据多元回归分析数据,绘制化疗患者CINV的列线图,赋值同上,具体见图1。根据列线图中的变量分类,可得到每项指标对应的分数,将各项分数相加计算总分,总分对应的预测概率就是化疗患者发生CINV的概率。

图1 化疗患者CINV风险的列线图模型

3 讨论

CINV是一种复杂的疾病,近年来关于CINV预防和治疗标准的研究较多,但在实际临床中CINV并未得到有效遏制[13],目前仍有高达30%～40%的患者未达到恶心呕吐症状完全缓解的目标[14-15]。本研究结果显示,320例化疗患者中,恶心呕吐例数134例,CINV发生率41.88%。

CINV的发生是多个因素共同作用的结果,临床仅以化疗药物致吐风险制定止吐方案,忽略个体风险因素的影响,可能造成止吐药物过度使用,增加医疗成本及止吐药物不良反应,或者止吐药物使用不足造成CINV控制不佳,不仅增加患者痛苦,还会给后续多周期化疗造成负面影响。因此综合评估患者个人风险因素,研发CINV风险预测模型,预测发生CINV的风险程度,识别高危风险人群,对其进行密切监管和早期干预,指导临床医务人员制定科学合理的止吐方案、预防护理措施,有效控制CINV,另外低危人群避免按常规给予止吐药物,不仅可以降低药物成本和减少止吐剂的不良反应,还能在医疗保险方面为肿瘤化疗患者的合理用药提供参考[16]。列线图是指在平面坐标中用一簇互不相交的线段表示多个变量之间函数关系的定量分析图,使用时往往以直尺做垂线的方式来估算事件的发生概率,利用列线图可直观方便的推算出某变量的取值,在临床工作中对不良事件的预测具有独特的优势。本研究旨在探究CINV影响因素,并构建预测CINV发生风险的列线图模型,为识别高危CINV患者并制定个体化干预治疗措施和护理措施提供循证依据。

本研究发现,高龄、男性、习惯性饮酒是CINV的保护性因素。有研究[17-19]指出,老年人患CINV的风险可能降低,因为他们通常接受较少的催吐化疗,并且由于高龄具有保护作用。原因考虑为恶性肿瘤对人体是重大创伤源,年轻患者社会阅历浅,心理承受能力弱,更容易出现伤感、沮丧、好哭泣、焦虑、恐惧等情感障碍,躯体上表现为食欲减退、恶心呕吐等症状,另外也可能与年轻患者较老年患者神经传递和化学感受器的敏感性更强有关,当接受抗癌药物治疗时,其机体所产生的应激反应更强,进而增强恶心呕吐的发生率。早有研究[17]证实女性是发生CINV的既定危险因素,女性的CINN发生率是男性的2.79倍。化疗药物对卵巢功能造成严重不良影响,引起卵巢功能减退、早衰、药物性闭经, 使体内雌激素水平严重下降,内分泌功能紊乱,加重患者恶心呕吐的症状。此外,据报道,习惯性饮酒与CINV呈负相关,但潜在机制尚不清楚。ALDH2是ALDH同工酶之一,据报道是可能影响酒精代谢的几种遗传多态性中的主要因素。有研究通过分析化疗患者习惯性饮酒、ALDH2多态性和CINV之间的关系发现,Logistic回归分析显示,酒精摄入量是CINV完全缓解的独立预测因素,且不饮酒比有饮酒史的化疗患者CINV发生危险比高出1.94[20]。

本研究发现化疗次数是CINV的危险因素,但这一结果与之前的研究存在争议,Hayashi等[21]和Di Mattei等[22]发现化疗周期数与CINV风险无关。因此,化疗次数对CINV的影响有待进一步的研究证实。

晕动病史和妊吐史在本研究中亦显示出了较高的风险,恶心呕吐的发生是条件刺激所引起的,通常情况下,存在晕车史与妊娠期反应严重的患者,其机体前庭的敏感度较高,故接受化疗时,机体应激反应也会比无晕车史、妊娠期反应轻的患者较为严重。当患者的前庭受到刺激时,则造成前庭功能失衡,引起植物神经功能紊乱,导致胃肠出现逆蠕动,最终产生呕吐[19]。

焦虑、疲乏、睡眠时间短被证实是影响CINV的重要因素[23]。有研究证实,通过音乐治疗干预可以有效缓解患者CINV 的发生[24]。因为音乐干预成本低,易于获得,并且没有已知的不良反应。化疗患者通过音乐干预,可能一定程度上缓解了紧张、焦虑的心理状态,进而缓解了CINV的发生,其缓解原因有待进一步的研究证实。作为临床工作人员,在了解化疗患者的基本信息后,对年轻女性、化疗次数少、有晕动病史、妊吐史、有焦虑等心理状态的患者,应及时参与诊疗计划中,鼓励患者适当减轻焦虑心理,提供良好的睡眠环境、积极改善睡眠,适时增添止吐药物可以有效缓解CINV的发生。

本研究基于上述指标构建的列线图预测模型可以在一定程度上预测CINV的发生风险,可用于筛选CINV高风险的化疗患者,这对针对性的预防和治疗具有重要指导价值。且该模型中的相关指标较为简单,有利于基层医院使用。但本研究样本量小,可能导致研究结果存在一定偏倚,且未能使用独立样本对构建的列线图模型进行外部验证,后续需要进行多中心、大样本量研究进一步验证。