乳腺癌患者术前症状群特征的潜在剖面分析
2023-12-19夏碧莹张弼弛秦嫣雯
夏碧莹，张 男，陆 艳，张 静，张弼弛，秦嫣雯
（1. 上海交通大学护理学院，上海 200025； 2. 上海交通大学医学院附属瑞金医院，上海 200025）
根据2020 年全球最新癌症负担数据[1]显示，乳腺癌已成为全球发病率第一的癌症，且由于生活节奏快、环境、生活方式改变等，乳腺癌的发病率呈上升趋势。相关数据显示，2020 年，中国新发癌症病例457 万，其中乳腺癌42 万，是中国女性新发癌症中患病率最高的癌症[1]。研究表明，乳腺癌患者通常会出现疼痛、焦虑、疲劳、睡眠障碍等症状[2]，且这些症状往往同时出现、相互关联，导致患者身心负担增加、生活质量下降。对于如何提高乳腺癌患者症状管理能力和生活质量成为了临床工作重点[3]。目前，大部分学者主要集中对化疗期乳腺癌患者的症状群进行研究，缺乏对首次确诊为乳腺癌住院患者术前症状群的研究，且对不同患者症状群特征的内部异质性缺乏深入探讨。潜变量模型是通过间断的潜变量即潜类别来解释外显指标间的关联，该模型考虑了变量的不确定性或误差，相对于聚类分析，分类的结果更加客观、准确，可直观展现研究群体内部的应答特点和组群间异质性[4]。潜变量模型是近年来广泛应用于教育学、心理学、人才测评等社会科学领域的一种统计模型，在症状管理方面也受到越来越多学者的关注[5-7]。梁发存等[8]通过潜类别分析发现慢性阻塞性肺疾病患者疲劳轨迹分为显著下降、缓慢下降和疲劳升高3 种，与运动恐惧和睡眠质量相关，护士可根据慢性阻塞性肺疾病患者疲劳轨迹制订个性化护理方案。因此，本研究聚焦首次确诊为乳腺癌住院患者术前疼痛-焦虑-疲乏-睡眠障碍这一主要症状群，采用潜在剖面分析对乳腺癌患者术前症状群特征进行分类，分析其内部特征，比较不同特征患者的生活质量，并在此基础上进一步探讨不同类别间的人口学以及疾病特征差异，以期为制订针对性提高患者围术期生活质量的干预方案提供参考。
1 对象与方法
1.1 对象2021 年6－12 月，采用方便抽样方法选取上海市某三级甲等医院收治的被确诊为乳腺癌的患者作为研究对象。纳入标准：①年龄≥18 岁；②经病理检查首次证实为原发性乳腺癌，肿瘤病理分期为Ⅰ～Ⅲ期，且目前处于未经历过乳腺手术的术前状态（即确诊为乳腺癌至手术当天）；③知情同意并自愿参与本研究。排除标准：①有严重精神病史或认知、沟通障碍者；②合并其他恶性肿瘤或复发转移者；③合并其他严重的器质性疾病者。黄青梅等[4]根据经验总结，简单的潜在剖面分析所需样本量为30 例。最终本研究纳入研究对象198例。
1.2 方法
1.2.1 调查工具
1.2.1.1 一般资料调查表由研究者自行设计，包括年龄、婚姻状况、文化程度、职业、居住地及医疗费用支付方式等一般人口学资料和有无基础疾病、手术方式及淋巴结清扫部位等疾病资料。
1.2.1.2 疼痛数字评定量表（NumericaI Rating Scale，NRS）由Downie 等[9]于1978 年编制，用于评价受试者过去24 h 内最严重疼痛水平，是临床上常用的单维度疼痛评价工具。量表总分0～10 分，得分越高代表疼痛程度越强。其中0 分表示无疼痛、1～3 分为轻度疼痛、4～6分为中度疼痛、7～10分为重度疼痛。
1.2.1.3 状态-特质焦虑量表（State-Trait Anxiety Inventory Form Y，STAI-Y）由Spielberger 等[10]于1979 年编制，用于评价焦虑情绪及筛查职业人群有关焦虑问题等。STAI-Y包括状态焦虑和特质焦虑2个维度，共40 个条目。每个条目均采用Likert 4 级评分法，前20 个条目属于状态焦虑维度，从“完全没有”至“非常明显”依次评1～4 分；后20 个条目属于特质焦虑维度，从“几乎总是如此”至“几乎没有”依次评1～4 分。每个维度总分均为20～80 分，得分越高代表焦虑程度越高。本研究该量表的Cronbach’sα系数为0.894。
1.2.1.4 匹兹堡睡眠质量指数（Pittsburgh Sleep Quality Index，PSQI）由Buysse 等[11]于1989 年编制，用于评价受试者近一个月内的睡眠质量。PSQI 包括睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物和日间功能障碍7 个维度，共18 个条目。每个维度按0～3分计分，量表总分0～21分，得分越低代表睡眠质量越高，其中PSQI>7 分[12]表示存在睡眠障碍。PSQI 的重测信度为0.994，分半信度系数为0.824，Cronbach’sα系数为0.845[13]。
1.2.1.5 FACIT 疲乏量表（Functional Assessment of Chronic Illness Therapy-Fatigue，FACIT-F）由Yellen等[14]于1997编制，用于评价癌症及其他慢性病患者最近1 周的疲乏程度。FACIT-F 包括13 个条目，每个条目均采用Likert 5级评分法，从“非常”至“一点也不”依次评0～4 分。量表总分0～52 分，得分越高代表疲乏程度越高。中文版FACIT-F 的Cronbach’sα系数为0.930[15]。
1.2.1.6 乳腺癌患者生存质量测定量表（Functional Assessment of Cancer Therapy-Breast，FACT-B）由Brady 等[16]于1997 年编制，用于评估乳腺癌患者的生存质量。FACT-B 包括躯体状况、社会家庭状况、情感状况、功能状况和附加关注5 个维度，共37 个条目。每个条目均采用Likert 5 级评分法，从“一点也不”至“非常”依次评0～4分。量表总分0～148分，得分越高代表生存质量越高。中文版FACT-B 各维度的重测信度为0.82～0.89，Cronbach’sα系数为0.61～0.84[17]。
1.2.2 调查方法由经过统一培训的临床科研护士于患者入院当天在病房向患者一对一解释研究目的及内容，取得患者知情同意后告知其问卷填写方法和注意事项并由其自行填写。问卷当场发放并回收，剔除漏填、多选或有规律填写的问卷。患者的部分疾病信息由研究者调阅医院病史系统获得。本研究共发放问卷210份，回收有效问卷198份，有效回收率为94.29%。
1.2.3 统计学方法采用SPSS 22.0 软件进行统计分析，利用Mplus 8.0 软件分析乳腺癌患者术前疼痛-焦虑-疲乏-睡眠障碍症状群的潜类别模型。本研究各症状总分属于连续变量，因此选用潜在剖面分析。潜在剖面分析模型的拟合度的评价指标包括AIC（艾凯克信息准则）、BIC（贝叶斯信息准则）、aBIC（样本校正后的贝叶斯信息准则）、Entropy（熵）、LMR（罗-梦代尔-鲁本校正似然比）和BLRT（基于Bootstrap的似然比检验）等。其中，AIC、BIC 和aBIC 数值越小代表拟合效果越好；Entropy 指数越接近1，代表分类的精确度越高；LMR 和BLRT 代表K 个类别模型和K-1 个类别模型之间的拟合优度差异，当两个指标的P值达到显著水平（P<0.05），则说明K个类别的模型拟合效果更优于K-1个类别模型。为了筛选最佳拟合模型，还需结合临床意义。依据最佳拟合模型，将患者划分为不同的类别组，再用SPSS 22.0软件进行统计分析。计量资料采用均数±标准差描述，组间比较采用单因素方差分析；计数资料采用频数、构成比进行描述，组间比较采用非参数检验。均以P<0.05视为差异具有统计学意义。
2 结果
2.1 乳腺癌患者术前症状群潜类别模型分析198例患者NRS、状态焦虑、特质焦虑、FACIT-F、PSQI 得分分别为（2.18±1.99）分、（40.66±9.33）分、（47.32±6.94）分、（13.57±8.82）分、（6.62±3.48）分。基于患者的5 种症状得分结果拟合潜类别模型，共拟合M1－M5 5 个潜类别模型，详见表1。M2、M3、M4 和M5 的LMR 检验P值由大到小依次为M5>M4>M3>M2，Entropy 指数由大到小依次为M4>M5>M3>M2，说明模型拟合效果M5
表1 乳腺癌患者术前症状群潜在剖面模型拟合结果（N=198）
2.2 乳腺癌患者术前症状群类别特征分析乳腺癌患者术前症状群3 个潜类别在5 个症状上的得分见图1。第1个类别研究对象80例（40.40%），NRS、STAI-Y、PSQI得分均最低，FACIT-F得分最高，被命名为低症状组；第2个类别研究对象91例（45.96%），NRS、STAI-Y、PSQI、FACIT-F得分中等，被命名为中症状组；第3个类别研究对象27例（13.64%），NRS、STAI-Y、PSQI得分均最高，FACIT-F 得分最低，被命名为高症状组。三组患者FACT-B 得分及其各维度得分比较，差异均无统计学意义（P>0.05），见表2。
表2 三组乳腺癌患者术前FACT-B及其各维度得分比较（N=198）
图1 乳腺癌术前患者症状群3个潜类别组特征分析
2.3 三组乳腺癌患者一般资料比较三组乳腺癌患者在年龄以及职业分布比较，差异有统计学意义（P<0.05）；在文化程度、居住地、医疗费用支付方式、婚姻状况、有无基础疾病、手术方式及淋巴结清扫部位等方面分布比较，差异无统计学意义（P>0.05）。见表3。
表3 三组乳腺癌患者一般资料比较［n（%）］
3 讨论
3.1 首次确诊为乳腺癌的患者术前症状群特征存在异质性乳腺癌患者在疾病发生和发展过程中出现诸多症状。相关研究表明，心理精神症状群在乳腺癌不同时期的患者中均存在，是癌症患者发生频率最高、给患者造成困扰最重的症状群，严重影响患者的生活质量[18-19]。表1显示，首次确诊为乳腺癌的患者术前症状群具有明显不同的分类特征，划分为3 个类别最佳。由表2 可知，首次确诊为乳腺癌的患者术前的症状群特征存在个体差异，分为“高症状组”、“中症状组”和“低症状组”。症状组的分类结果与国内外的研究基本一致，如Langford 等[18]研究将乳腺癌化疗期患者症状分为“高发症状组”、“中发症状组”及“低发症状组”，尹祎宇等[19]研究采用潜类别分析将腹膜透析患者症状分为“症状高发组”、“高心理组”及“症状低发组”。研究结果存在少许差异的原因可能是研究对象存在异质性。此外，本研究发现，高症状组患者的疼痛、焦虑、疲乏以及睡眠障碍等症状的得分均为最高，且中症状组和高症状组2 组患者总例数达半数以上，说明首次确诊乳腺癌患者术前疼痛-焦虑-疲乏-睡眠障碍症状的得分较高，相关症状较严重。相关研究表明，严重的术前心理问题会影响患者的生理指标（如心率和血压增加、机体抵抗力的降低等），增加患者的手术风险和术后并发症的发生率，从而降低患者的生活质量和治疗效果[20]。因此，医护人员应重视首次确诊乳腺癌患者术前疼痛-焦虑-疲乏-睡眠障碍等症状，持续评估、早期识别并及时缓解患者的相应症状。
3.2 首次确诊为乳腺癌的高症状组患者术前生活质量较低本研究结果显示，尽管低、中、高症状组患者FACT-B 得分差异无统计学意义（P=0.982），但高症状组患者FACT-B 得分最低，提示重度疼痛、深度焦虑、低睡眠质量及高度疲乏可能会对首次确诊为乳腺癌患者的生存质量造成负面影响，与Langford 等[18]研究结果一致。分析原因可能是重度疼痛、焦虑和疲乏等会导致患者抵抗力下降、T 淋巴细胞数量减少、肾上腺皮质激素及儿茶酚胺等激素分泌增加，从而增加患者术后并发症发生率，进而导致患者生存质量下降。针对中、高症状组的患者，护理人员可以通过正念干预[21]，循经冥想[22]等干预方式减轻患者的疲乏、焦虑，改善睡眠，促进康复。此外，本研究低症状组患者的生活质量得分为（109.60±19.09）分，略低于范玉娇等[23]研究的乳腺癌长期生存者的生活质量得分（111.50±14.27）分，高于李盼盼等[24]研究的乳腺癌患者双靶治疗期间的生活质量得分（100.01±14.00）分。原因可能是乳腺癌患者处于不同治疗阶段，由于其疾病状况、社会支持度等因素，生活质量会随之发生变化。长期生存的乳腺癌患者已渡过最困难的治疗阶段，相比之下，首次确诊为乳腺癌的患者由于对疾病及手术不了解，加之对后期治疗方案不确定，会导致其生活质量有所下降。而靶向治疗是一种免疫疗法，会产生脱发、腹泻等诸多不良反应，而术前乳腺癌患者还未经历手术或复杂术前治疗，不存在或较少存在相关治疗所造成的不良反应，相比之下，术前乳腺癌患者的生活质量更高。因此，医护人员对处于任一疾病阶段的乳腺癌患者均应给予关注，且需要根据该疾病阶段特点给予患者针对性的关爱和照顾，通过了解其实际问题，向其提供个性化的全周期护理，从而提高患者整体的生活质量。
3.3 相关人口学变量对首次确诊为乳腺癌患者术前症状群潜类别的影响通过人口学资料及疾病资料可早期识别具有不良临床结局风险患者的症状群类型[25-26]。由表3可知，低、中、高症状组患者在年龄及职业的分布差异有统计学意义（P<0.05），提示年龄小、在职的首次确诊为乳腺癌患者为高症状组患者的更多，即年龄小、在职的首次确诊为乳腺癌患者的疼痛、焦虑、疲乏、睡眠障碍程度更严重。分析原因可能与年轻在职患者的工作、生活压力大，对疾病治疗的期望水平较高，对外在形象的在意程度高有关。雷静等[27]发现乳腺癌化疗后居家患者的年龄越大，其化疗阶段的症状群（感知-知觉症状群和消化道-睡眠症状群）得分越高，可能与年纪大的患者身体机能差，免疫力低下，从而导致对化疗的耐受度低有关，与本研究的结果相反。其原因可能是因为本研究的研究对象所处的癌症阶段不一致，年轻患者的家庭生活压力大，对外在形象更加在意，心理负担也就更重，术前生活质量也就更低。相关研究表明，增强现实（augmented reality，AR）体感运动与穴位按摩联合干预能促进乳腺癌患者脑释放内啡肽与脑啡肽，通过神经、内分泌和免疫系统降低白细胞介素-1β、白细胞介素-6、肿瘤坏死因子的分泌，进而减轻患者疼痛、疲乏等症状，提高患者的生活质量[28]。因此，医护人员在面对首次确诊为乳腺癌且处于术前阶段的患者时，应更加关注在职年轻患者的心理状况，及时提供针对性及个性化的护理照顾方案，从而提高患者的生活质量。
4 小结
首次确诊为乳腺癌患者术前的症状群可分为高症状组、中症状组和低症状组3 个类别，3 个类别组患者在年龄和职业的分布上存在差异。高症状组患者的生存质量较低，为高危人群。医护人员对首次确诊为乳腺癌患者术前症状进行管理时，应重点关注年轻在职的乳腺癌患者，给予其以需求为中心的个性化的症状管理方案，从而提高患者的生存质量。本研究为横断面研究，未能评估不同阶段症状的数据，未来可采用纵向研究，采用潜在转换分析，进而探讨患者症状特征随时间动态变化的规律。
