江雅倩，汪 暉，屈聰蕙，樂 霄，王怡萱

1.華中科技大學(xué)同濟醫(yī)學(xué)院護理學(xué)院，湖北 430030；2.華中科技大學(xué)同濟醫(yī)學(xué)院附屬同濟醫(yī)院

隨著我國經(jīng)濟的飛速發(fā)展，居民生活方式發(fā)生顯著改變，而人口老齡化的加劇與腦血管疾病危險因素的日益流行，使得腦卒中（stroke）已成為我國成年人致死、致殘的首位病因，且發(fā)病率呈上升趨勢，發(fā)病年齡也愈加年輕化[1]。腦卒中病人接受急性期治療后往往會遺留下不同程度的殘疾，其中運動功能障礙與認(rèn)知功能受損最為常見[2?3]，部分病人仍需要接受進一步的康復(fù)訓(xùn)練與照護支持，因而這類病人在出院時可能無法直接返回病前住所，需轉(zhuǎn)介至康復(fù)科、下級醫(yī)院或社區(qū)康復(fù)中心繼續(xù)接受治療，對于獨居缺乏照護者的老人，則可能需轉(zhuǎn)介至養(yǎng)老院等長期照護機構(gòu)。這種出院時即將前往的地點或場所被稱之為出院安置（discharge disposition）[4]，分為居家與非居家兩種類型。出院安置的地點常常成為是否需要為病人加強或?qū)嵤┨厥獬鲈簻?zhǔn)備服務(wù)（discharge planning）的評判標(biāo)準(zhǔn)。對于有非居家出院安置需求的病人，需要盡早為其實施出院準(zhǔn)備服務(wù)，幫助病人安全地從醫(yī)院過渡至出院安置點，保證病人得到持續(xù)而完整的醫(yī)療照護服務(wù)，降低再入院風(fēng)險，使病人及其家屬能安心離開醫(yī)院[5]。因此，在住院早期階段識別出有非居家出院安置需求的病人對出院準(zhǔn)備服務(wù)的開展具有重要臨床意義。目前，國內(nèi)外已有大量研究對腦卒中病人出院安置的預(yù)測因子展開探討，其中部分研究通過建立預(yù)測模型更加有效地量化了居家或非居家出院安置的概率，且模型內(nèi)的各個預(yù)測因子易于評估，使用起來更加快捷、方便。故本研究旨在對國內(nèi)外的腦卒中病人出院安置預(yù)測模型進行系統(tǒng)性分析、評價，為臨床護理工作人員選擇合適的預(yù)測模型提供參考，進而推動出院準(zhǔn)備服務(wù)的實施，以有效分配、利用醫(yī)療資源。

1 資料與方法

1.1 納入與排除標(biāo)準(zhǔn)

1.1.1 納入標(biāo)準(zhǔn) ①研究類型：隊列研究、病例對照研究或橫斷面研究；②研究對象：年齡18歲及以上腦卒中住院病人，類型不限，符合全國第4屆腦血管病會議的腦卒中診斷標(biāo)準(zhǔn)或世界衛(wèi)生組織（WHO）腦卒中診斷標(biāo)準(zhǔn)，并經(jīng)CT或MRI確診；③研究內(nèi)容：用于預(yù)測腦卒中病人出院安置的模型建立、驗證研究。

1.1.2 排除標(biāo)準(zhǔn) ①僅對最終預(yù)測因子做出報告，未構(gòu)建完整模型或無法用于結(jié)局事件發(fā)生概率評估；②模型僅納入1個預(yù)測因子；③模型建立采用橫斷面研究方法；④非中英文文獻；⑤無法獲取全文。

1.2 文獻檢索策略 計算機檢索PubMed、EMbase(OVID)、CINAHL、The Cochrane Library、中國生物醫(yī)學(xué)文獻數(shù)據(jù)庫（SinoMed）、中國知網(wǎng)（CNKI）和萬方數(shù)據(jù)庫（Wanfang Data）等7個數(shù)據(jù)庫中有關(guān)腦卒中病人出院安置預(yù)測模型的研究，檢索時限均為建庫時間至2021年1月16日。英文采用stroke,discharge,disposi?tion,predict,model,C?statisti等有關(guān)的詞語進行檢索，采取通配符形式，并結(jié)合主題詞檢索。中文檢索詞采用“卒中/腦出血/腦缺血/腦梗/中風(fēng)”“出院/院后”“安置/結(jié)局/目的地/處置/地點/場所/機構(gòu)/轉(zhuǎn)介/家/社區(qū)/養(yǎng)老院/護理/照護/康復(fù)”“預(yù)測/模型/影響因素/影響因子”等；人工檢索納入文獻的參考文獻作為補充。

1.3 文獻篩選與資料提取 2名研究者按照既定的文獻納入與排除標(biāo)準(zhǔn)、檢索策略，獨立進行文獻檢索與篩選，通過閱讀文獻標(biāo)題與摘要進行初篩，閱讀全文進行復(fù)篩。以CHARMS（checklist for critical appraisal and data extraction for systematic reviews of prediction modeling studies）清單[6]為參考，制定標(biāo)準(zhǔn)化表格進行資料提取，由2名研究者獨立操作并交叉核對，搜集資料主要包括：第一作者及發(fā)表年份、研究地區(qū)、研究設(shè)計類型、研究人群、腦卒中定義、樣本納入與排除標(biāo)準(zhǔn)、預(yù)測結(jié)局事件及其定義、樣本總數(shù)量、結(jié)局事件數(shù)量、候選預(yù)測因子數(shù)量、預(yù)測因子收集時間、結(jié)局事件測量時間、內(nèi)部驗證方法、建模方法、連續(xù)性變量處理方式、缺失值處理方式、變量篩選方法、模型最終預(yù)測因子、模型性能指標(biāo)、模型呈現(xiàn)方式。上述過程中若遇分歧且無法達成共識時，尋求第三方意見。

1.4 納入研究的偏倚風(fēng)險和適用性評估 2名評價者運用預(yù)測模型偏倚風(fēng)險評價工具(Prediction Model Risk of Bias Assessment Tool，PROBAST)對 納 入 研究的偏倚風(fēng)險及適用性進行獨立評估，分歧由第三方判定。PROBAST由荷蘭學(xué)者Wolff及其團隊[7?8]于2019年開發(fā)，其中偏倚風(fēng)險評估涵蓋了研究對象、預(yù)測因子、結(jié)局和統(tǒng)計分析4個領(lǐng)域內(nèi)的共20個信號問題，每個信號問題采用“是/可能是”“否/可能否”“缺少信息”進行回答，各領(lǐng)域的偏倚評估結(jié)果采用高、低或不清楚進行判定；適用性評估只適用于研究對象、預(yù)測因子、結(jié)局3個領(lǐng)域，但每個領(lǐng)域無信號問題，進行總體評估即可，同樣通過高、低或不清楚進行判定；根據(jù)每個領(lǐng)域的評估結(jié)果，可得出預(yù)測模型的整體偏倚風(fēng)險和適用性情況，均采用高、低或不清楚進行判定[9]。

1.5 統(tǒng)計學(xué)分析 采用描述性分析方法，整理、總結(jié)納入研究的基本特征、模型建立或驗證情況以及模型性能等指標(biāo)。

2 結(jié)果

2.1 文獻篩選流程及結(jié)果 初檢共獲得文獻6 174篇，其中PubMed 2 073篇、EMbase(OVID)2 844篇、CINAHL 243篇、the Cochrane Library 245篇、SinoMed 285篇、CNKI 346篇、萬方138篇，經(jīng)過逐層篩選后，最終納入15篇文獻[10?24]。文獻篩選流程及結(jié)果見圖1。

圖1 文獻篩選流程及結(jié)果

2.2 納入研究的基本特征及預(yù)測結(jié)果 最終納入15項研究，包含14個腦卒中病人出院安置預(yù)測模型，納入研究的基本特征及使用的預(yù)測結(jié)局詳見表1。最早的腦卒中出院安置預(yù)測模型研究發(fā)表于1997年，近5年共有5項研究[10?14]發(fā)表。研究設(shè)計方法均采用隊列研究方法，其中8項[10,12?13,15?17,19?20]為回顧性隊列研究，7項[11,14,18,21?24]為 前 瞻 性 隊 列 研 究；13項[10,12?20,22?24]為 單中心研究，2項[11,21]為多中心研究。研究對象共包含兩類，一類為急性期腦卒中病人，另一類為亞急性期接受康復(fù)治療的腦卒中病人。出院安置預(yù)測結(jié)局主要分為居家與非居家兩種情況，前者包含病人出院回到自身原本家中或親人、朋友家中，后者包含病人住院期間死亡或病人出院到下級醫(yī)院、康復(fù)機構(gòu)、照護機構(gòu)，僅1項研究[20]采用居住方式發(fā)生改變作為預(yù)測結(jié)局，即病人出院到照護機構(gòu)、出院到他人家中或他人搬入自己家中實施照護。

表1 納入研究的基本特征及預(yù)測結(jié)局

（續(xù)表）

2.3 腦卒中病人出院安置預(yù)測模型建立/驗證情況 15項 研 究 中，有10項[10,12,14?16,18?20,22,24]進 行 了 模 型建立，3項[17,21,23]進行了模型外部驗證，2項[11,13]研究同時進行了模型建立與外部驗證，具體情況詳見表2。在模型建立的12項研究中，僅5項研究進行了內(nèi)部驗證，4項[10,12,15,19]采用隨機拆分驗證，1項[14]采用自助重抽樣法驗證。模型建立研究的樣本量為80～101 223例，結(jié)局事件數(shù)為23～1 498個，其中兩項研究未報道結(jié)局事件數(shù)；模型外部驗證研究的樣本量為50～26 358例，結(jié)局事件數(shù)為26～458個，其中1項研究未報道結(jié)局事件數(shù)。

表2 腦卒中病人出院安置預(yù)測模型建立/驗證情況

在 建 模 方 法 選 擇 上，有9項[10?12,15?16,19?20,22,24]研 究 采用單因素分析篩選有統(tǒng)計學(xué)意義的候選預(yù)測因子，2項[14,18]研究選擇全部候選預(yù)測因子作為最終自變量進行Logistic回歸分析并建模，僅1項研究[14]納入全部候選預(yù)測因子后采用主成分分析方法建模。模型建立研究中有9項[10?17,19]研究采用受試者工作特征（receiver operating characteristic，ROC）曲線下面積（area under the curve，AUC）報告區(qū)分度，為0.737～0.900；模型外部驗證研究中有3項[11,13,17]研究報告了AUC值，為0.724～0.860；僅4項[10?12,19]模型建立研究與1項[17]模型驗證研究報告了校準(zhǔn)度指標(biāo)。

各研究候選預(yù)測因子數(shù)為3～29個，最終納入模型的預(yù)測因子數(shù)為3～10個，其中活動功能、年齡、認(rèn)知功能、卒中類型、合并癥、照護支持與卒中嚴(yán)重程度等預(yù)測因子較為常見，具體出現(xiàn)頻率詳見表3。在模型最終呈現(xiàn)形式方面，有8項研究將模型中的回歸系數(shù)進行變換處理后對各個預(yù)測因子進行賦分，其中5項[10?12,16?17]研究繪制出ROC，確定了最佳閾值，另外3項[13,15,19]研究則根據(jù)不同分值計算相應(yīng)結(jié)局事件發(fā)生概率，其余研究[14,18,20?24]直接通過模型方程計算結(jié)局事件發(fā)生概率或因變量值。

表3 模型最終預(yù)測因子納入情況

（續(xù)表）

（續(xù)表）

（續(xù)表）

2.4 偏倚風(fēng)險和適用性評價 在模型偏倚風(fēng)險評估方面，所有研究在研究對象與預(yù)測因子兩個領(lǐng)域均被評價為低偏倚。結(jié)局領(lǐng)域中僅有3項研究被判定為高偏倚。

在分析領(lǐng)域，所有研究均被評價為高偏倚。7項[11,14,20?24]研究的建?；蝌?zāi)颖玖坎蛔?，對于模型建立研究，每個變量的事件數(shù)（events per variable，EPV）應(yīng)大于20，從而避免模型過度擬合；對于模型驗證研究，應(yīng)至少包含100例有結(jié)局事件的研究對象[8]。在變量處理上，有3項[11,16,22]研究將連續(xù)性變量簡單劃分為二分類變量，這將損失大量信息，甚至降低模型預(yù)測能力。對于缺失值的處理，4項[11?12,14?15]研究無缺失值，剩余研究[10,13,16?24]則采用完整資料分析，有缺失值的研究對象被直接刪除，而未采取多重插補法來減小偏 倚。在 模 型 建 立 研 究 中，有9項[10?12,15?16,19?20,22,24]研 究采用單因素分析方法篩選預(yù)測因子，該方法被認(rèn)為是一種不合理的建模方法，可能導(dǎo)致模型最終納入不恰當(dāng)?shù)念A(yù)測因子[8]。在模型性能方面，只有5項[10?12,17,19]研究同時報告了區(qū)分度與校準(zhǔn)度，均采用Hosmer?Lemeshow擬合優(yōu)度檢驗描述校準(zhǔn)度，僅1項研究[17]同時采用了校準(zhǔn)圖，更為準(zhǔn)確地描述了模型的預(yù)測能力。然而，模型性能指標(biāo)常因過度擬合或選用較好的閾值而出現(xiàn)樂觀偏差，因此，需通過自助重抽樣法或交叉驗證法進行內(nèi)部驗證。納入研究中，僅有5項研究進行了內(nèi)部檢驗，其中4項[10,12,15,19]采用的都是隨機拆分驗證方法，這是一種低效能的檢驗方法，將對開發(fā)數(shù)據(jù)造成極大浪費[25]，剩余1項[14]則采用了自助重抽樣法，但未說明具體驗證過程。

在模型適用性方面，僅3項研究[11?12,22]適用性較差，其余研究各領(lǐng)域的適用性與總體適用性均較好。所有模型的偏倚風(fēng)險與適用性評價結(jié)果詳見表4。

表4 納入模型的偏倚風(fēng)險評價結(jié)果（PROBAST評價結(jié)果）

3 討論

3.1 腦卒中出院安置預(yù)測模型總體情況 總體來看，腦卒中出院安置預(yù)測模型的研究仍處于發(fā)展階段，在研究時間上跨越度較大，研究數(shù)量也遠少于單個預(yù)測因子或影響因素的研究，已有研究仍集中于歐、美、日、韓等國家，我國研究較少。同時，多數(shù)研究僅建立了模型而缺少外部驗證，即便開展外部驗證也只在某一人群中進行，缺乏多中心驗證，因而模型在應(yīng)用上具有一定局限性，也導(dǎo)致絕大多數(shù)模型在建立后并未真正運用于臨床。本系統(tǒng)評價納入的15項研究整體適用性較好，且已報道的AUC值均在0.7以上，但在模型偏倚風(fēng)險上，所有模型均為高風(fēng)險，尤其是分析領(lǐng)域，這可能與本研究選用的評估工具有關(guān)。PROBAST是專門針對預(yù)測模型偏倚風(fēng)險評估所開發(fā)的工具，但其正式發(fā)表時間在2019年，隨后才逐漸應(yīng)用，而本研究中的模型多開發(fā)于2019年前，因此缺少參考，導(dǎo)致模型普遍偏倚風(fēng)險高。

3.2 模型預(yù)測結(jié)局事件 在納入研究中，幾乎所有模型都以居家或非居家安置作為相對應(yīng)的結(jié)局事件，但不同模型對結(jié)局事件的定義與選擇存在差異。由于非居家安置種類較多，有些研究僅選擇其中1種，如僅長期照護機構(gòu)或僅康復(fù)機構(gòu)，而有些選擇納入所有非居家安置的種類，甚至認(rèn)為死亡結(jié)局也應(yīng)被當(dāng)作非居家安置，因為在對病人進行早期評估時，并無法預(yù)判該病人是否會在住院期間死亡，且這類病人更有可能需要實施出院準(zhǔn)備服務(wù)[19]。由于歐美等國家急性后期醫(yī)療服務(wù)（post?acute care）發(fā)展體系完善，出院病人能盡早轉(zhuǎn)介至中長期照護機構(gòu)或康復(fù)機構(gòu)，而我國醫(yī)療保險制度與分級診療制度仍在優(yōu)化與推進中，龐大的人口數(shù)量下，醫(yī)療資源也十分緊張，缺乏院后照護與康復(fù)機構(gòu)，大量病人病情穩(wěn)定后只能進行居家護理、康復(fù)，但這類病人極有可能因為缺乏專業(yè)照護支持而再入院，因此，也需要實施出院準(zhǔn)備服務(wù)以確保其在家中能得到妥善照護。綜合來看，在開發(fā)適用于我國國情的出院安置模型時，對于預(yù)測結(jié)局的界定不能完全參照國外，應(yīng)做適當(dāng)調(diào)整，如可考慮將居家照護模式作為單獨一類出院安置。

3.3 模型預(yù)測因子分析 14種預(yù)測模型包含眾多預(yù)測因子，涵蓋人口社會經(jīng)濟學(xué)特征與臨床特征，但均可通過簡單、快速的詢問或評估獲取，其中活動功能、年齡、認(rèn)知功能、卒中類型、合并癥、照護支持與卒中嚴(yán)重程度較為常見，這也與眾多腦卒中出院安置預(yù)測因素探究研究的結(jié)果[26?28]相符。

在這些常見預(yù)測因子中，大部分研究采取的評估方法或等級劃分區(qū)別不大，只有在活動功能評估上顯示出較大差異?；顒庸δ苁軗p是病人腦卒中后的常見后遺癥，其對病人日常生活所產(chǎn)生的影響體現(xiàn)在多個方面，所以不同研究在進行活動功能評估時側(cè)重點各不相同，所選用工具也有所差異，例如：在Kubo等[10]與Itaya等[12]的預(yù)測模型中，病人的自理能力為評估重點，故多采用Barthel指數(shù)量表、改良Rankin量表或FIM活動功能量表進行評測；而Kim等[11]與Agarwal等[20]側(cè)重于評估病人的下肢運動功能，因而分別選用了功能性步行量表與Chedoke?McMaster卒中測評量表進行評 估；Lin等[22]與L?fgren等[23?24]則 均 采 用Fugl?Meyer平衡量表來評估病人的姿勢穩(wěn)定性。為了使模型擬合效果更佳，絕大多數(shù)研究在初始階段都選擇將多個評估工具所測得的活動功能結(jié)果作為候選預(yù)測因子納入，但進入最終模型的預(yù)測因子卻差異較大，這可能是由于各研究所納入病人的卒中類型、嚴(yán)重程度、治療階段以及評估時間不同而導(dǎo)致。

認(rèn)知功能受損也是影響腦卒中病人出院后生活質(zhì)量的重要影響因素之一，但并不適用于預(yù)測急性期腦卒中病人的出院安置，因為，此階段的病人，尤其是出血性腦卒中病人，常易發(fā)生意識不清或昏迷，無法正常溝通或進行認(rèn)知功能評估。故在本研究中，納入認(rèn)知功能的模型其適用對象也多為康復(fù)期腦卒中病人。

腦卒中嚴(yán)重程度與類型是決定病人預(yù)后情況的重要影響因素。NIHSS是目前最常見的腦卒中病人神經(jīng)功能檢查量表之一，也是評估卒中嚴(yán)重程度的重要工具，在臨床上被廣泛應(yīng)用[29]。NIHSS評分在反映嚴(yán)重程度的同時，也能為臨床治療、康復(fù)與護理提供指導(dǎo)，在一定程度上能預(yù)測軀體功能恢復(fù)的可能性，因而在病人出院安置預(yù)測上有重要意義，甚至在Schlegel等[30]的一項出院安置預(yù)測因子研究中，早期NIHSS評分是多因素分析中唯一有關(guān)變量。同時，卒中類型也能反映卒中嚴(yán)重程度。相較于缺血性腦卒中，出血性腦卒中的死亡風(fēng)險更高，預(yù)后較差，更易致殘[31]。然而，在納入卒中類型的模型中，適用對象大部分為急性期腦卒中病人，對于預(yù)測康復(fù)期腦卒中病人出院安置的模型，其預(yù)測能力并不突出，這可能是因為處于康復(fù)期的病人已接受過一段時間治療，情況相對穩(wěn)定，因而此時卒中類型并不能預(yù)測出二者預(yù)后的差別。此外，部分模型也納入了合并癥作為預(yù)測因子，主要為糖尿病、心臟病、高血壓、腎病等疾病，在一項長達18年的腦卒中預(yù)后隊列研究中也發(fā)現(xiàn)，無論短期或長期內(nèi)，合并癥負(fù)擔(dān)都是不良預(yù)后的重要預(yù)測因素[32]。

年齡與照護支持也是重要的預(yù)測因子。隨著年齡的增長，腦卒中發(fā)病率及死亡率均明顯升高[33]，且高齡病人常合并衰弱，生理儲備和功能下降，病人病死、并發(fā)癥、住院時間延長及預(yù)后不良的風(fēng)險也隨之增加[34]，轉(zhuǎn)介到專業(yè)照護機構(gòu)或康復(fù)機構(gòu)的可能性也更高。同時，對于出院時有可能返回家中的病人而言，家庭照護支持成為關(guān)鍵點。在Dutrieux等[35]的一項多中心研究中也發(fā)現(xiàn)，相較于年齡在70歲以下的腦卒中病人，除ADL功能與卒中嚴(yán)重程度外，配偶的照護是70歲以上病人能否返回家中的獨立影響因素。這也說明，如果缺少照護者，那些原本能返回家中的病人可能會選擇繼續(xù)住院或出院到照護機構(gòu)。

4 小結(jié)

本研究共納入14個腦卒中出院安置預(yù)測模型，涵蓋不同階段、不同類型的病人，總體適用性較好，多數(shù)模型區(qū)分度高，但由于所有模型偏倚風(fēng)險高，尚不適宜直接應(yīng)用于臨床，臨床工作者應(yīng)根據(jù)實際工作需求選取最合適的預(yù)測模型后進行多中心外部驗證，不斷優(yōu)化與改進?；谖覈鴩?，更建議臨床工作者開發(fā)本土化的預(yù)測模型，同時參考PROBAST評價，減少開發(fā)過程中的各類偏倚，確保模型的高質(zhì)量與使用簡便性。此外，由于腦卒中疾病的復(fù)雜性，模型中常采用多種工具、量表來進行測評，臨床工作者也要加強其相應(yīng)學(xué)習(xí)與實際應(yīng)用。隨著我國按病種付費方式的推進與分級診療設(shè)施的建設(shè)，床位利用率將大大提升，未來將有更多病人能提前轉(zhuǎn)介至下級醫(yī)院、康復(fù)機構(gòu)或社區(qū)中，早期預(yù)測出有非居家出院安置的病人能盡早為其開展出院準(zhǔn)備服務(wù)，及時根據(jù)病人及其家人的需求優(yōu)化調(diào)整治療、康復(fù)方案，確保醫(yī)療服務(wù)的延續(xù)性。