胡瑩，耿力，袁穎，劉苗

應(yīng)激性高血糖(Stress Hyperglycemia，SH)是危重癥患者常見的糖代謝紊亂，其發(fā)生率高達(dá)73%[1]。SH會(huì)明顯增加危重患者病死率[2]、感染率及患2型糖尿病的風(fēng)險(xiǎn)[3]，延長(zhǎng)ICU患者住院治療時(shí)長(zhǎng)[4]，且頻繁采集末梢血增加了患者的痛苦。目前，ICU大多采用每日普測(cè)血糖的方法進(jìn)行篩查，但此方法容易漏診、增添護(hù)士工作量、增加患者疼痛及醫(yī)療費(fèi)用。因此，本研究通過Meta分析提取有效數(shù)據(jù)，并據(jù)此制定風(fēng)險(xiǎn)評(píng)估工具，旨在為采取針對(duì)性措施預(yù)防ICU患者發(fā)生應(yīng)激性高血糖提供參考。

1 資料與方法

1.1一般資料 文獻(xiàn)資料來源于Cochrane、EMbase、PubMed、Web of Science、CINAHL、Scopus、CBM、中國(guó)知網(wǎng)、萬方數(shù)據(jù)、維普網(wǎng)自建庫(kù)以來至2020年1月已出版的中英文全部文獻(xiàn)。驗(yàn)證樣本資料回顧性采集2019年10～12月在武漢某三甲醫(yī)院綜合ICU住院既往無糖尿病的患者。納入標(biāo)準(zhǔn)：年齡≥18歲；住院時(shí)間≥3 d。排除標(biāo)準(zhǔn)：住院過程中確診糖尿病。共收集86例患者，男59例，女27例；年齡18～90(55.47±19.16)歲；住院3～91(12.90±16.29)d。

1.2方法

1.2.1Meta分析

1.2.1.1文獻(xiàn)納入與排除標(biāo)準(zhǔn) 納入標(biāo)準(zhǔn)：①實(shí)驗(yàn)設(shè)計(jì)屬于病例對(duì)照研究或隊(duì)列研究；②可獲取全文的已出版的中英文文獻(xiàn)；③有明確的SH診斷標(biāo)準(zhǔn)；④研究結(jié)果至少包含1個(gè)影響因素。排除報(bào)告重復(fù)、研究方法錯(cuò)誤、研究對(duì)象未滿18周歲、動(dòng)物研究、數(shù)據(jù)不全、細(xì)節(jié)描述不清等無法利用的文獻(xiàn)。

1.2.1.2檢索策略 英文檢索詞為“intensive care unit/ICU/intensive care/critical care/critical*illness/critical ill patient*”“stress hyperglycemia/stress hyperglycaemia/irritable hyperglycemia/stress diabetes/stress induced hyperglycemia/irritable diabetes/reactive blood sugar increase/stress blood glucose rise/stress blood glucose elevati*”“risk factor/risk factors/relevant factor/influence factor”；中文檢索詞為“ICU、危重、重癥、監(jiān)護(hù)、加強(qiáng)治療病房”“應(yīng)激性高血糖、應(yīng)激性糖尿病、應(yīng)激性血糖升高”“危險(xiǎn)因素、相關(guān)因素、影響因素”。

1.2.1.3文獻(xiàn)篩選及文獻(xiàn)質(zhì)量評(píng)價(jià) 首先將檢索到的題錄導(dǎo)入NoteExpress軟件去重；再由2名具有循證護(hù)理學(xué)學(xué)習(xí)經(jīng)驗(yàn)的研究者獨(dú)自瀏覽文獻(xiàn)標(biāo)題和摘要；符合的文獻(xiàn)再細(xì)讀全文，根據(jù)納入和排除標(biāo)準(zhǔn)，排除不合格文獻(xiàn)；最終存在分歧的部分由第3名循證小組成員作最后決策，確定最終納入文獻(xiàn)。采用紐卡斯?fàn)?渥太華量表(the Newcastle Ottawa Scale，NOS)對(duì)納入文獻(xiàn)進(jìn)行評(píng)分[5]。

1.2.1.4參數(shù)的提取 運(yùn)用RevMan5.3軟件對(duì)納入文獻(xiàn)中的相關(guān)數(shù)據(jù)進(jìn)行分析，計(jì)算時(shí)選用比值比(Odds Ratio，OR)作為每條影響因素的合并效應(yīng)量，用軟件計(jì)算得出每條因素的OR值、95%置信區(qū)間(95%CI)、P值和I2值。如果I2<50%，采用固定效應(yīng)模型進(jìn)行分析。如果I2≥50%，表示異質(zhì)性顯著，探討臨床異質(zhì)性的來源，并對(duì)有臨床異質(zhì)性的影響因素進(jìn)行亞組分析。在排除臨床異質(zhì)性的影響或無法進(jìn)行亞組分析時(shí)，采用互換效應(yīng)模型的方法計(jì)算合并效應(yīng)量。最終篩選P<0.05影響因素對(duì)應(yīng)的OR值。

1.2.2構(gòu)建風(fēng)險(xiǎn)評(píng)估工具

1.2.2.1模型的構(gòu)建 Logistic回歸模型：Logit(P)=ln[P/(1-P)]=α+β1X1+β2X2+……+βnXn，可得ICU患者SH的風(fēng)險(xiǎn)概率P=e(α+β1X1+β2X2+……+βnXn)/[1+e(α+β1X1+β2X2+……+βnXn)]。其中，X1、X2……Xn指第1、2、……n個(gè)影響SH的因素；β是偏回歸系數(shù)，β=ln(OR)；α為常數(shù)項(xiàng)，采用簡(jiǎn)化模型α=ln[P/(1-P)][6]，該公式中的P為某地ICU患者SH的發(fā)病率。

1.2.2.2劃分風(fēng)險(xiǎn)等級(jí)節(jié)點(diǎn) 利用R Studio軟件隨機(jī)生成1 000例由0或1組成的n位二項(xiàng)分布數(shù)據(jù)集作為模擬樣本，帶入Logistic回歸模型獲得1 000例模擬樣本的發(fā)病概率，繪制成散點(diǎn)圖。根據(jù)曲線走勢(shì)和反復(fù)模擬，選取2個(gè)合適的節(jié)點(diǎn)作為風(fēng)險(xiǎn)等級(jí)劃分節(jié)點(diǎn)。

1.2.2.3風(fēng)險(xiǎn)評(píng)估圖的繪制 根據(jù)2個(gè)劃分節(jié)點(diǎn)將ICU患者SH發(fā)病風(fēng)險(xiǎn)劃分為低、中、高危3個(gè)等級(jí)，分別標(biāo)記為綠、黃、紅色，繪制風(fēng)險(xiǎn)評(píng)估圖。

1.2.3風(fēng)險(xiǎn)評(píng)估圖的驗(yàn)證 將86例樣本的發(fā)病風(fēng)險(xiǎn)進(jìn)行分級(jí)，進(jìn)行風(fēng)險(xiǎn)評(píng)估圖的驗(yàn)證。將低危人群默認(rèn)為陰性，中、高危人群默認(rèn)為陽性，根據(jù)實(shí)際發(fā)病情況，計(jì)算得出風(fēng)險(xiǎn)評(píng)估圖的陽性預(yù)測(cè)值和陰性預(yù)測(cè)值。并利用SPSS21.0軟件繪制ROC曲線，取約登指數(shù)最大值對(duì)應(yīng)的敏感度和特異度作為驗(yàn)證結(jié)果。

2 結(jié)果

2.1Meta分析結(jié)果 通過數(shù)據(jù)庫(kù)獲得相關(guān)文獻(xiàn)3 805篇，使用NoteExpress軟件去重后獲得文獻(xiàn)3 385篇，閱讀題目和摘要后排除3 366篇，閱讀全文后排除12篇，最終納入7篇文獻(xiàn)[7-13]，2 178例ICU患者。嚴(yán)格參照Meta分析流程最終篩選出9條影響因素的參數(shù)，見表1。

表1 ICU患者應(yīng)激性高血糖風(fēng)險(xiǎn)預(yù)測(cè)模型的參數(shù)

2.2模型的構(gòu)建與等級(jí)劃分節(jié)點(diǎn)的選取 收集的86例患者中有34例SH患者，故該三甲醫(yī)院ICU患者SH發(fā)病率P=34/86=0.395，則α=ln[0.395/(1-0.395)]=-0.426。將α和表1的參數(shù)帶入Logistic回歸模型：Logit(P)=-0.426+1.504X1-1.661X2+1.327X3-0.777X4-0.942X5-1.022X6+1.836X7+0.451X8+0.344X9。其中，影響因素賦值：無=0，有=1。利用R Studio軟件隨機(jī)生成的1 000例模擬數(shù)據(jù)繪制散點(diǎn)圖。在ICU患者SH發(fā)病率為39.5%的基礎(chǔ)上，根據(jù)曲線走勢(shì)和反復(fù)模擬，最終取143位的A點(diǎn)(發(fā)病概率為36.1%)和第358位的B點(diǎn)(發(fā)病概率為53.4%)作為低、中、高危的劃分節(jié)點(diǎn)。根據(jù)劃分節(jié)點(diǎn)，發(fā)病概率≤36.1%為低危人群，即36.1%<發(fā)病概率<53.4%為中危人群，發(fā)病概率≥53.4%為高危人群。

2.3風(fēng)險(xiǎn)評(píng)估圖的繪制與驗(yàn)證 將低、中、高危3個(gè)等級(jí)分別標(biāo)記為綠、黃、紅色，繪制風(fēng)險(xiǎn)評(píng)估圖見圖1。風(fēng)險(xiǎn)評(píng)估圖預(yù)測(cè)結(jié)果見表2，風(fēng)險(xiǎn)評(píng)估圖陽性預(yù)測(cè)值=24/(24+8)=0.750，陰性預(yù)測(cè)值=44/(44+10)=0.815。用SPSS21.0軟件做風(fēng)險(xiǎn)評(píng)估圖，ROC曲線下面積為0.776(95%CI0.669～0.883)，敏感度0.706，特異度為0.846，約登指數(shù)為0.552。

表2 風(fēng)險(xiǎn)評(píng)估圖預(yù)測(cè)結(jié)果(n=84) 例

注：A0，年齡≤60歲；A1，年齡>60歲。B0，APACHEⅡ評(píng)分≤15；B1，APACHⅡ評(píng)分>15。C0，無腦血管意外或顱腦損傷；C1，有腦血管意外或顱腦損傷。D0，無肺部疾??；D1，有肺部疾病。E0，無腎衰竭；E1，有腎衰竭。F0，未并發(fā)感染；F1，并發(fā)感染。G0，無重癥胰腺炎；G1，有重癥胰腺炎。H0，血壓正常；H1，血壓異常。I0，腎功能正常；I1，腎功能異常。

3 討論

在臨床工作中，醫(yī)護(hù)人員工作強(qiáng)度大，評(píng)估工具的簡(jiǎn)易程度直接決定了其推廣程度?？紤]到評(píng)估工具的實(shí)用性和使用便捷性，將運(yùn)算公式轉(zhuǎn)化為圖表，能更簡(jiǎn)便直觀地體現(xiàn)評(píng)估結(jié)果，減少評(píng)估時(shí)間成本。本研究根據(jù)Meta分析結(jié)果構(gòu)建Logistic回歸模型。Meta分析將多個(gè)同質(zhì)研究進(jìn)行定量的合并，擴(kuò)大了樣本量，提高了研究結(jié)果統(tǒng)計(jì)效能及估計(jì)效應(yīng)值的精確度，增強(qiáng)結(jié)果的可靠性與客觀性[14]。此次Meta分析檢索了目前有關(guān)ICU患者SH影響因素的相關(guān)研究，共納入7篇文獻(xiàn)，以2 178例ICU患者為研究對(duì)象。通過對(duì)樣本量的積累，彌補(bǔ)了單個(gè)研究樣本量不足的缺陷，提高了單個(gè)影響因素綜合危險(xiǎn)度的可靠性。

根據(jù)Meta分析結(jié)果篩選出來的年齡、APACHEⅡ評(píng)分等9條影響因素與納入的原始研究結(jié)果基本一致。隨著年齡的增長(zhǎng)，患者循環(huán)中炎癥蛋白水平增高、細(xì)胞三酰甘油堆積、線粒體功能下降，因此老年患者SH的發(fā)生較為嚴(yán)重[10]。APACHEⅡ評(píng)分常用于評(píng)估患者病情及預(yù)后，評(píng)分越高病情越重、預(yù)后越差，與SH發(fā)生程度較為一致[9]。并發(fā)感染時(shí)機(jī)體通過大量分泌如皮質(zhì)醇和胰高血糖素經(jīng)代謝途徑刺激糖原分解及肝糖異生，從而更多的葡萄糖被釋放入血[15]。腦血管意外和顱腦損傷會(huì)導(dǎo)致患者顱內(nèi)壓增高和腦細(xì)胞缺氧，病灶會(huì)直接或間接破壞下丘腦-垂體-腎上腺皮質(zhì)軸(HPA軸)，打破機(jī)體胰島素-胰高血糖素平衡，使患者血糖水平出現(xiàn)較大波動(dòng)，血糖的波動(dòng)過大會(huì)使患者腦神經(jīng)和腦血管的損害進(jìn)一步加深，形成惡性循環(huán)，極易導(dǎo)致SH的產(chǎn)生[16]。肺部疾病患者換氣功能受損，二氧化碳潴留，影響胰島素的分泌，易導(dǎo)致SH的發(fā)生[17]。重癥胰腺炎患者的胰腺組織自身消化，從而影響胰高血糖素和胰島素的生成及釋放，使機(jī)體血糖調(diào)節(jié)功能發(fā)生紊亂。血壓異常雖然不會(huì)直接引起血糖異常，但高血壓前期人群空腹血糖水平要高于理想血壓人群[18]，這表明血壓會(huì)對(duì)血糖產(chǎn)生一定程度的影響。腎功能受損時(shí)，會(huì)改變糖代謝和藥物代謝，增加高血糖的發(fā)生風(fēng)險(xiǎn)，本研究涉及的腎功能異常和腎衰竭是腎疾病進(jìn)展的不同程度，腎功能異常僅僅指檢驗(yàn)結(jié)果顯示異常但未達(dá)到衰竭程度，腎衰竭則是醫(yī)療診斷確認(rèn)是衰竭，是腎功能受損的兩個(gè)不同程度，在評(píng)估腎功能受損患者SH風(fēng)險(xiǎn)等級(jí)時(shí)，根據(jù)腎功能受損的情況，只選其一。

模型算法舉例：假設(shè)經(jīng)調(diào)查后某院ICU患者應(yīng)激性高血糖發(fā)生率為30.0%，此時(shí)有1例ICU患者年齡>60歲、腦血管意外及顱腦損傷合并重癥胰腺炎，將這3條影響因素賦值為1，則根據(jù)風(fēng)險(xiǎn)預(yù)測(cè)模型，常數(shù)項(xiàng)α=ln[0.3/(1-0.3)]=-0.850，其發(fā)病風(fēng)險(xiǎn)為L(zhǎng)ogit(P)=-0.850+1.504×1-1.661×0+1.327×1-0.777×0-0.942×0-1.022×0+1.836×1+0.451×0+0.344×0=3.817，則P=e3.817/1+e3.817=0.978，即該患者發(fā)生SH的風(fēng)險(xiǎn)是該地其他ICU患者的3.26倍(97.8%/30.0%=3.26)。不同地區(qū)發(fā)病率不同需要重新帶入模型進(jìn)行計(jì)算，但一例患者的發(fā)病風(fēng)險(xiǎn)等級(jí)是由模型后面1.504X1-1.661X2+1.327X3-0.777X4-0.942X5-1.022X6+1.836X7+0.451X8+0.344X9這一部分決定的，而這一部分是Meta分析出來的結(jié)果，因此具有一定的普遍適用性。為了規(guī)避不同SH發(fā)病率需要重新帶入模型進(jìn)行計(jì)算較繁瑣這一問題，本研究進(jìn)行了節(jié)點(diǎn)劃分，經(jīng)驗(yàn)證預(yù)測(cè)效果較高。

4 小結(jié)

本研究在Meta分析結(jié)果基礎(chǔ)上構(gòu)建的Logistic回歸模型，利用R Studio軟件隨機(jī)生成的二項(xiàng)分布數(shù)據(jù)集作為模擬樣本，繪制散點(diǎn)圖以劃分風(fēng)險(xiǎn)等級(jí)節(jié)點(diǎn)，并根據(jù)節(jié)點(diǎn)繪制風(fēng)險(xiǎn)評(píng)估圖，可避免因地區(qū)發(fā)病率不同造成模型預(yù)測(cè)效果的波動(dòng)。最終利用收集到的臨床數(shù)據(jù)和ROC曲線進(jìn)行驗(yàn)證，且驗(yàn)證結(jié)果顯示ICU患者SH風(fēng)險(xiǎn)評(píng)估圖的預(yù)測(cè)效果較高。表明該風(fēng)險(xiǎn)評(píng)估圖臨床實(shí)用性較好，根據(jù)某患者實(shí)際情況，找到風(fēng)險(xiǎn)評(píng)估圖對(duì)應(yīng)的小格，看顏色即可快速高效識(shí)別ICU容易發(fā)生SH的高危人群，提醒醫(yī)務(wù)人員考慮給予預(yù)防措施。本研究中驗(yàn)證收集的例數(shù)較少，有待于納入更多樣本量進(jìn)一步進(jìn)行驗(yàn)算。