荊絲露 沈 涵 王曉鳳

南京醫(yī)科大學(xué)第一附屬醫(yī)院眼科2 病區(qū)，江蘇南京 210000

國(guó)際糖尿病聯(lián)盟最新發(fā)布的糖尿病地圖顯示，全球約5.37 億成年人患有糖尿病，中國(guó)的糖尿病患者例數(shù)全球第一[1]。糖尿病是一組以高血糖、胰島素抵抗、胰島素分泌不足或胰高血糖素分泌過多為特征的異質(zhì)性生理功能障礙[2]。糖尿病視網(wǎng)膜病變（diabetic retinopathy，DR）是糖尿病的主要后果之一，患者會(huì)逐漸出現(xiàn)視力下降及視網(wǎng)膜血管結(jié)構(gòu)改變，已成為勞動(dòng)年齡人群失明的主要原因[3]。既往研究表明，糖尿病患者受血糖控制差、擔(dān)心并發(fā)癥等問題，易引起抑郁、焦慮等情緒[4-5]。DR 會(huì)引起患者視功能受損，感官系統(tǒng)能力下降會(huì)加重罹患抑郁等負(fù)性情緒的風(fēng)險(xiǎn)[6-7]。心身醫(yī)學(xué)中指出，抑郁情緒會(huì)作用于神經(jīng)內(nèi)分泌和免疫調(diào)節(jié)系統(tǒng)，表現(xiàn)為患者血糖控制不佳，繼而使血糖控制水平和心理問題之間形成惡性循環(huán)。同時(shí)，抑郁情緒的加重也會(huì)帶來更高的疾病負(fù)擔(dān)，加速DR 進(jìn)展[8]，使得社會(huì)、家庭和患者壓力劇增[9]。因此，應(yīng)特別關(guān)注DR患者抑郁情緒的危險(xiǎn)因素及干預(yù)策略。目前，關(guān)于DR患者抑郁的文獻(xiàn)報(bào)道多聚焦于影響因素，而進(jìn)一步構(gòu)建相關(guān)風(fēng)險(xiǎn)預(yù)測(cè)模型的報(bào)道很少。Nomogram 模型因其可視化程度高、實(shí)用性強(qiáng)的優(yōu)點(diǎn)，在醫(yī)學(xué)領(lǐng)域越來越受到重用[10-11]。基于此，本研究基于DR 患者抑郁情緒發(fā)生的影響因素分析，建立并驗(yàn)證預(yù)測(cè)DR 患者抑郁風(fēng)險(xiǎn)的Nomogram 模型，為臨床預(yù)防和干預(yù)DR 患者抑郁情緒提供參考和依據(jù)。

1 對(duì)象與方法

1.1 研究對(duì)象

選擇南京醫(yī)科大學(xué)第一附屬醫(yī)院（以下簡(jiǎn)稱“我院”）2018 年10 月至2021 年10 月收治的329 例門診和住院的DR 患者作為研究對(duì)象，其中男153 例，女176 例；年齡25～82 歲，平均（56.47±11.24）歲。納入標(biāo)準(zhǔn)：①依據(jù)美國(guó)糖尿病協(xié)會(huì)提出的糖尿病診斷標(biāo)準(zhǔn)[12]，并經(jīng)過我院內(nèi)分泌科醫(yī)師確診為2 型糖尿??；②符合DR 診斷標(biāo)準(zhǔn)，且視功能障礙為Ⅱ～Ⅲ期[13]。排除標(biāo)準(zhǔn)：①合并其他糖尿病并發(fā)癥；②其他重度軀體疾?。虎蹏?yán)重認(rèn)知障礙和精神障礙；④教育水平為文盲。本研究獲得我院倫理委員會(huì)審批（2018-SR-294）。對(duì)患者采用流調(diào)用抑郁自評(píng)量表（center for epidemiological survey depression scale，CES-D）[14]進(jìn)行評(píng)估，該量表共有20 個(gè)條目，包括消極情緒、身體癥狀、積極情緒和人際關(guān)系4 個(gè)維度，4 點(diǎn)計(jì)分，0 代表“沒有或基本沒有”，3 代表“幾乎總是”，得分越高抑郁情緒越嚴(yán)重，其中16 分為抑郁情緒的界定標(biāo)準(zhǔn)，＞16 分認(rèn)為有抑郁情緒[15]。本研究中此量表的克朗巴赫α系數(shù)為0.88。依據(jù)抑郁檢出情況將研究對(duì)象分為抑郁組及非抑郁組，其中抑郁組132 例，非抑郁組197 例。

1.2 研究方法

1.2.1 一般資料 一般資料包括年齡、性別、吸煙、飲酒、高血壓史、睡眠狀況、運(yùn)動(dòng)情況、生活方式、手機(jī)使用情況。

1.2.2 生化指標(biāo) 臨床生化檢查包括血糖、糖化血紅蛋白（glycosylated hemoglobin，HbA1c）、膽固醇（cholesterol，CH）、甘油三酯（triglyceride，TG）、高密度脂蛋白（high-density lipoprotein，HDL）、低密度脂蛋白（lowdensitylipoprotein，LDL）、載脂蛋白（apolipoprotein，APO）A、APOB、中性粒細(xì)胞（neutrophil，NEUT）、淋巴細(xì)胞（lymphocyte，LYMPH）、單核細(xì)胞（monocyte，MONO）、血小板計(jì)數(shù)（platelet count，PLT）、血小板壓積（plateletcrit，PCT）、平均血小板體積（mean platelet volume，MPV）、血小板體積分布寬度（platelet distribution width，PDW）、大型血小板比率（platelet-large cell ratio，PLCR）。采用葡萄糖氧化酶法和甘油磷酸氧化酶法檢測(cè)血糖及血脂指標(biāo)。采用離子交換高效液相色譜法檢測(cè)HbA1c。

1.3 質(zhì)量控制

問卷調(diào)查前，所有患者在入院當(dāng)天接受一般資料問卷調(diào)查，所有調(diào)查員在查前均經(jīng)過系統(tǒng)培訓(xùn)，合格后方進(jìn)行調(diào)查。在獲得患者知情同意后分發(fā)調(diào)查問卷。研究人員使用統(tǒng)一的指南指導(dǎo)受試者填寫問卷、現(xiàn)場(chǎng)回答和回收。使用Epidata 3.1 軟件創(chuàng)建數(shù)據(jù)庫(kù)和雙輸入數(shù)據(jù)，以確保數(shù)據(jù)輸入的準(zhǔn)確性。

1.4 統(tǒng)計(jì)學(xué)方法

采用SPSS 25.0 對(duì)所得數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析。正態(tài)分布的計(jì)量資料采用均數(shù)±標(biāo)準(zhǔn)差（）表示，比較采用t 檢驗(yàn)；偏態(tài)分布計(jì)量資料的描述以中位數(shù)（四分位數(shù)）[M（P25，P75）]表示，比較采用秩和檢驗(yàn)。計(jì)數(shù)資料采用例數(shù)表示，比較采用χ2檢驗(yàn)。采用logistic回歸模型分析影響因素。采用R 6.2.0 軟件及rms 6.2.0 程序包建立Nomogram 模型，采用Bootstrap 法重復(fù)抽樣1 000 次，采用Hosmer-Lemeshow 擬合優(yōu)度檢驗(yàn)和受試者操作特征（receiver operator characteristic，ROC）曲線評(píng)價(jià)Nomogram 模型的準(zhǔn)確性。采用決策曲線評(píng)估構(gòu)建的Nomogram 模型的臨床收益。以P ＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 DR 患者抑郁發(fā)生情況

本研究納入的329 例DR 患者中，抑郁發(fā)生率為40.1%（132/239）。

2.2 兩組臨床資料比較

抑郁組吸煙者占比、經(jīng)常運(yùn)動(dòng)者占比、睡眠質(zhì)量良好者占比、基本不使用手機(jī)者占比及PLT 均低于非抑郁組，飲酒者占比、高血壓占比及CH、HDL、PDW、PLCR、MPV 水平均高于非抑郁組，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。見表1。

表1 兩組臨床資料比較

2.3 DR 患者抑郁發(fā)生的影響因素分析

以是否發(fā)生抑郁（是=1，否=0）為因變量，以吸煙（是=1，否=0）、飲酒（是=1，否=0）、鍛煉情況（以從不運(yùn)動(dòng)=0 為參照，偶爾運(yùn)動(dòng)=1，經(jīng)常運(yùn)動(dòng)=2）、睡眠質(zhì)量（以較差=0 為參照，一般=1，良好=2）、手機(jī)使用情況（以經(jīng)常使用=0 為參照，偶爾使用=1，基本不使用=2）、高血壓（是=1，否=0）、CH、HDL、PLT、PDW、PLCR、MPV 為自變量，同時(shí)為了使模型更精準(zhǔn)，根據(jù)臨床經(jīng)驗(yàn)將HbA1c作為自變量一并納入分析。結(jié)果顯示，運(yùn)動(dòng)情況、睡眠質(zhì)量、手機(jī)使用情況及CH、MPV、HbA1c水平均為DR 患者抑郁發(fā)生的影響因素（P＜0.05）。見表2。

表2 DR 患者抑郁發(fā)生的影響因素分析

2.4 預(yù)測(cè)DR 患者抑郁發(fā)生的Nomogram 模型建立

基于影響因素建立預(yù)測(cè)DR 患者抑郁發(fā)生的Nomogram 模型見圖1。ROC 曲線內(nèi)部驗(yàn)證結(jié)果顯示，C-index 為0.880（95%CI：0.843～0.917），見圖2。Hosmer-Lemeshow 檢驗(yàn)結(jié)果顯示，預(yù)測(cè)值與觀測(cè)值比較，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05），見圖3。

圖1 預(yù)測(cè)DR 患者抑郁發(fā)生的Nomogram 模型

圖2 預(yù)測(cè)DR 患者發(fā)生抑郁的Nomogram 模型內(nèi)部驗(yàn)證的受試者操作特征曲線

圖3 預(yù)測(cè)DR 患者發(fā)生抑郁的Nomogram 模型的擬合曲線

2.5 Nomogram 模型的臨床凈收益分析

決策曲線分析結(jié)果顯示，當(dāng)DR 患者發(fā)生抑郁的Nomogram 模型閾值＞0.04 時(shí)，提供了附加的臨床收益。見圖4。

圖4 各模型指標(biāo)及Nomogram 模型的決策曲線

3 討論

糖尿病已逐漸成為威脅人類健康的重要疾病之一，視網(wǎng)膜病變是糖尿病最常見的并發(fā)癥之一[16-17]。糖尿病作為一種終生代謝性疾病，患者在治療前后往往會(huì)有許多生理和心理反應(yīng)[18]。早期研究表明，DR 患者在治療前后都有強(qiáng)烈的焦慮和抑郁情緒，該病還會(huì)進(jìn)一步加重糖尿病患者的病情，病情加重會(huì)導(dǎo)致各種情緒障礙，這種惡性循環(huán)嚴(yán)重影響患者的身心健康[19]。本研究發(fā)現(xiàn)，偶爾或基本不使用手機(jī)、良好的睡眠質(zhì)量、經(jīng)常運(yùn)動(dòng)是DR 患者抑郁情緒發(fā)生風(fēng)險(xiǎn)的保護(hù)因素，較高的MPV、HbA1c、CH 水平是DR 患者發(fā)生抑郁情緒的獨(dú)立危險(xiǎn)因素。同時(shí)本研究構(gòu)建了預(yù)測(cè)DR 患者發(fā)生抑郁情緒的Nomogram 模型，同時(shí)決策曲線分析結(jié)果顯示該模型能提供良好的臨床收益。因此，本研究構(gòu)建的Nomogram 模型有助于醫(yī)護(hù)人員早期識(shí)別發(fā)生抑郁情緒的高風(fēng)險(xiǎn)患者，為優(yōu)化患者治療方案及護(hù)理管理提供策略指導(dǎo)。

有研究指出，糖尿病患者出現(xiàn)心理問題的概率高達(dá)30%～50%，大多數(shù)糖尿病患者都有焦慮和抑郁，而過度焦慮和抑郁會(huì)進(jìn)一步升高血糖水平，加速疾病的進(jìn)展[20]。本研究結(jié)果顯示，329 例DR 患者抑郁檢出率為40.1%，與上述研究相符[20]。本研究發(fā)現(xiàn)，較高的HbA1c、CH、MPV 水平是DR 患者發(fā)生抑郁的獨(dú)立危險(xiǎn)因素。HbA1c水平與血糖控制呈正相關(guān)，在2 型糖尿病患者中，血糖越高越容易引發(fā)晚期糖基化終產(chǎn)物的累積和氧化應(yīng)激反應(yīng)，其會(huì)導(dǎo)致神經(jīng)損傷及各種并發(fā)癥的出現(xiàn)，給患者造成嚴(yán)重的心理負(fù)擔(dān)，最終導(dǎo)致焦慮和抑郁[21]。CH 與糖尿病的發(fā)生密切相關(guān)，CH 能夠調(diào)節(jié)細(xì)胞膜離子通道通透性和轉(zhuǎn)導(dǎo)細(xì)胞信號(hào)，對(duì)大腦功能有很大影響[22]。高CH 水平不僅會(huì)引起或加重心腦血管疾病，還會(huì)增加認(rèn)知功能的損害。此外Lv 等[23]的研究表明，中國(guó)65 歲以上老年人的高血清CH 與認(rèn)知功能呈顯著正相關(guān)。以上研究提示，血清CH 水平保持在正常范圍，有助于降低抑郁情緒。抑郁癥患者存在血小板過度激活和炎癥反應(yīng)[24]，MPV 與血小板激活和炎癥反應(yīng)呈正相關(guān)[25]。因此及時(shí)關(guān)注DR 患者M(jìn)PV 水平，有助于及早識(shí)別患者抑郁情緒的發(fā)生。本研究還發(fā)現(xiàn)，偶爾或基本不使用手機(jī)、良好的睡眠質(zhì)量、經(jīng)常運(yùn)動(dòng)是DR 患者抑郁情緒的保護(hù)因素。糖尿病患者可能會(huì)由于生活方式的改變和對(duì)疾病的關(guān)心會(huì)對(duì)手機(jī)使用產(chǎn)生依賴感，過度使用手機(jī)占用了人際交往的時(shí)間，孤獨(dú)感增加[26]，同時(shí)也會(huì)增加DR 患者眼睛的疲勞程度，升高負(fù)面事件發(fā)生的概率，引發(fā)反芻思維，抑郁風(fēng)險(xiǎn)增加[27]。糖尿病患者可能因?yàn)檠强刂撇患讯载?zé)，引發(fā)睡眠質(zhì)量不佳，睡眠質(zhì)量差會(huì)使個(gè)體對(duì)情緒和壓力刺激更敏感，當(dāng)遇到消極的生活事件時(shí)，DR 患者更有可能失去對(duì)情緒的控制，選擇消極的應(yīng)對(duì)策略，從而增加抑郁的可能性[28-30]。抑郁癥與缺乏5-羥色胺密切相關(guān)，運(yùn)動(dòng)可以上調(diào)個(gè)體5-羥色胺的表達(dá)[31]，改善患者的抑郁情緒。因此，DR 患者的疾病管理應(yīng)注意睡眠教育、運(yùn)動(dòng)教育和正確合理使用手機(jī)頻率。

本研究構(gòu)建的Nomogram 模型預(yù)測(cè)性能較好，該模型與其他預(yù)測(cè)指標(biāo)的臨床凈收益均保持較高水平。本研究因入組患者數(shù)量有限，構(gòu)建Nomogram 模型未進(jìn)行外部數(shù)據(jù)驗(yàn)證，同時(shí)一些其他疾病相關(guān)指標(biāo)并未收集，有一定的局限性。因此將該Nomogram 模型推廣到其他患者時(shí)需謹(jǐn)慎。

綜上所述，本研究構(gòu)建的Nomogram 模型對(duì)預(yù)測(cè)DR 患者發(fā)生抑郁情緒風(fēng)險(xiǎn)具有一定的準(zhǔn)確性，可為醫(yī)護(hù)人員的進(jìn)行DR 患者管理提供一種策略。