脑卒中后衰弱的Nomogram预测模型的构建及验证

丁 丽 乐 云 程建兰 万小微 于晓明

脑卒中患病率及死亡率逐年上升,其发生主要由于脑组织的梗死,梗死部位不同,症状也有所差异。脑卒中患者常出现肢体运动功能、感觉功能、认知功能等障碍,其功能障碍严重影响患者的日常生活[1-3]。衰弱是指生理储备下降导致机体易损性增加、抗应激能力减退的非特异性状态。其涉及多系统病理、生理变化,包括神经、肌肉、代谢及免疫系统等。衰弱是一个动态过程,且是可逆的[4-5]。因此,有效识别脑卒中患者衰弱的影响因素并早期、及时进行干预对患者的预后具有积极影响。Nomogram是将多因素回归分析结果,采用图形方式表现,将多个预测指标进行整合,并采用带有刻度的线段,按照一定的比例绘制在同一平面上,以表达预测模型中各个变量之间的相互关系[6]。本研究构建脑卒中后衰弱的Nomogram预测模型及验证预测效果,旨在为临床提供参考,现报告如下。

1 资料与方法

1.1 一般资料

回顾性分析2022年1月-2023年1月我院收治的脑卒中患者132例,根据衰弱筛查Frail量表分为衰弱组83例和非衰弱组49例。 纳入标准:(1)符合脑卒中的诊断标准[7];(2)年龄40～85岁;(3)临床资料完整。排除标准:(1)发病前存在衰弱;(2)患有精神疾病;(3)合并恶性肿瘤;(4)伴营养吸收障碍。本研究获医院医学伦理委员会批准。

1.2 方法

通过查阅病历、面对面交流、问卷调查等方式收集两组患者一般资料,包括年龄、性别、BMI、吸烟史、饮酒史、多重用药、首发脑卒中、高血压、糖尿病、营养不良、入院NIHSS评分、抑郁情绪。NIHSS包括感知功能、意识水平、视力及专注力、语言功能、肢体功能协调性等,总分0～42分,分值越低表明神经功能越好[8]。采用衰弱筛查Frail量表[9]对患者进行评价,该量表包含生理、环境、认知、心理、社会5个维度,共26个条目。回答“是”为1分,“否”为0分,总分为0～26分。≥9分为存在衰弱,反之为不存在衰弱。

1.3 统计学方法

2 结果

2.1 脑卒中后患者发生衰弱影响因素的单因素分析,表1

表1 脑卒中患者发生衰弱影响因素的单因素分析

单因素分析结果显示,两组年龄、首发脑卒中、高血压、糖尿病、营养不良、入院NIHSS评分及抑郁情绪比较差异有统计学意义(P<0.05)。

2.2 脑卒中后患者发生衰弱影响因素的多因素Logistic回归分析,表2～3

表2 变量赋值

表3 脑卒中后患者发生衰弱影响因素的多因素Logistic回归分析

以患者发生衰弱为因变量,以单因素分析中差异有统计学意义的变量为自变量,进行多因素Logistic回归分析。结果显示,年龄、糖尿病、营养不良、入院NIHSS评分及抑郁情绪为脑卒中患者发生衰弱的影响因素(P<0.05)。

2.3 脑卒中后患者发生衰弱的Nomogram预测模型构建,图1

图1 脑卒中后患者发生衰弱的Nomogram预测模型

根据多因素Logistic回归分析结果构建脑卒中后衰弱的Nomogram预测模型,该预测模型纳入了年龄、糖尿病、营养不良、入院NIHSS评分及抑郁情绪。临床实际应用时,可根据患者资料对应各因素对因变量的影响程度赋分,各因素得分相加总分可根据图1中的概率。风险预测模型:Logit(P)=-14.205+0.126×年龄+1.454×糖尿病+2.570×营养不良+2.964×入院NIHSS评分+2.731×抑郁情绪。

2.4 脑卒中后患者发生衰弱的Nomogram预测模型效能检验,图2～3

图2 模型的ROC曲线

图3 模型的校正曲线

H-L拟合优度检验结果显示,χ2=7.133,P=0.522,ROC曲线下面积为0.928(95%CI:0.881～0.976),灵敏度为84.30%,特异度为89.80%。表明该模型拟合优度良好,具有较好的预测效能。选择2022年7月-2023年1月收治的脑卒中患者60例,预测26例患者发生衰弱,实际发生衰弱21例,预测34例未发生衰弱,实际未发生衰弱29例,预测准确率为83.33%。

3 讨论

3.1 脑卒中后患者发生衰弱的影响因素分析

本研究结果显示,年龄、糖尿病、营养不良、入院NIHSS评分以及抑郁情绪均为脑卒中患者发生衰弱的影响因素(P<0.05)。张宁等[10]报道,长期高血糖可引起患者骨骼肌线粒体功能障碍及微血管病变,造成衰弱。因此,需对脑卒中合并高血糖患者进行干预,并制定个体化的血糖控制,既要控制血糖,还要注重营养[11]。蒲虹杉等[12]报道,衰弱与营养、肌少症息息相关,三者之间相互影响,相互促进。总消耗量下降可引起患者摄入量减少,进而造成患者营养不良。而营养不良可降低肌肉质量,引发患者肢体功能障碍,造成失能、跌倒等,加速衰弱的进展。临床可通过改善患者营养状态,减少肌肉质量的下降,降低衰弱发生率。因此,需提高对患者营养状况的关注度,注重饮食调节、科学喂养及营养干预[13]。身体机能随着年龄的增长而逐渐衰退,脑卒中患者多器官功能减退,免疫功能退化,机体无法对外界不良刺激进行有效防御,最终导致衰弱的发生。入院NIHSS评分已被证实可作为脑卒中预后的重要预测指标[14]。NIHSS评分较高时,表明患者神经损伤较严重,且伴有其他功能受损,加重衰弱的进展。因此,对于入院NIHSS评分较高的患者需重点关注,改善患者神经功能,降低衰弱的发生率。抑郁可导致患者出现睡眠障碍,加重衰弱的发生。抑郁患者活动量减少、食欲下降、摄入量减少,降低肌肉质量,导致营养不良;对治疗产生消极情绪,加重病情,加速衰弱的进展。因此,需对抑郁情绪患者进行心理干预,改善患者抑郁情绪,降低衰弱发生率。

3.2 脑卒中后患者发生衰弱的Nomogram预测模型预测效能较好

本研究构建脑卒中后衰弱的Nomogram预测模型,临床实际应用中,医护人员可根据其计算脑卒中患者发生衰弱的概率。并根据影响因素制定干预措施,有效改善患者的治疗与预后。此外,本研究对该模型进行了验证,结果显示,H-L拟合优度检验结果显示,χ2=7.133,P=0.522,ROC曲线下面积为0.928(95%CI:0.881～0.976),灵敏度为84.30%,特异度为89.80%,预测准确率为83.33%。模型校正曲线总体较理想,表明该模型拟合度良好,具有较好的预测效能及较高的临床价值。

综上所述,脑卒中后患者衰弱的发生受多重因素影响,根据多因素Logistic回归分析结果构建脑卒中后衰弱的Nomogram预测模型具有较高的临床价值。但本研究具有一定的局限性,且为单中心研究、样本量较少,且纳入的因素较少。因此,后续研究可扩大样本量、行多中心研究、扩大纳入因素。