張程婕，井坤娟，劉冬雪

（河北大學(xué) 護(hù)理學(xué)院，河北 保定 071000）

有學(xué)者構(gòu)建了青年腦卒中患者病恥感的模型[1]，但對(duì)老年腦卒中患者的相關(guān)研究未見(jiàn)報(bào)道。列線圖模型和CART 決策樹(shù)模型已被用于腦卒中患者發(fā)病的預(yù)測(cè)分析[2-3]，兩者均是數(shù)據(jù)處理的重要方法，可以有效、有層次地顯示疾病的危險(xiǎn)因素，但是對(duì)于不同的疾病及數(shù)據(jù)類型具有不同的使用效果[4]。本研究采用列線圖和CART 決策樹(shù)分別建立老年腦卒中患者病恥感的風(fēng)險(xiǎn)預(yù)測(cè)模型并進(jìn)行內(nèi)部驗(yàn)證，并對(duì)2種模型的預(yù)測(cè)性能進(jìn)行比較分析，探索適用于老年腦卒中患者病恥感預(yù)測(cè)的更優(yōu)模型，為早期預(yù)防及干預(yù)提供參考。

1 資料與方法

1.1 資料來(lái)源本研究基于課題組于2020 年5—10月對(duì)保定市某三級(jí)甲等醫(yī)院住院的252 例年齡60 歲及以上的老年腦卒中患者進(jìn)行病恥感研究的資料[5]。

1.2 研究工具

1.2.1 一般資料 由課題組自行設(shè)計(jì)，內(nèi)容包括年齡、性別、婚姻狀況、經(jīng)濟(jì)負(fù)擔(dān)、工作狀況、家庭居住地、醫(yī)療費(fèi)用支出方式、文化程度、家庭人均月收入、卒中次數(shù)、卒中類型、病程、是否遺留功能障礙、自理能力（ADL）評(píng)分（采用Barthel 指數(shù)進(jìn)行評(píng)定，分為重、中、輕度依賴以及無(wú)需依賴4 個(gè)等級(jí)）、是否合并慢性疾病。

1.2.2 健康認(rèn)知評(píng)價(jià)量表 （Cognitive Appraisal of Health Scale，CAHS）該量表是患者對(duì)健康相關(guān)事件認(rèn)知的自評(píng)工具，共2 個(gè)分量表，本研究使用初級(jí)評(píng)價(jià)分量表，23 個(gè)條目，包括傷害、威脅、有益/無(wú)關(guān)和挑戰(zhàn)4 個(gè)維度，傷害和威脅2 個(gè)維度屬于負(fù)性健康認(rèn)知評(píng)價(jià)，有益/無(wú)關(guān)和挑戰(zhàn)屬于正性健康認(rèn)知評(píng)價(jià)，各維度Cronbach α 系數(shù)為0.640～0.757[6]。本研究挑戰(zhàn)、傷害、威脅和有益/無(wú)關(guān)等維度的Cronbach α系數(shù)分別為0.812、0.867、0.752 和0.829。

1.2.3 心理彈性簡(jiǎn)化量表（10-item Connor-Davidson resilience scale, CD-RISC-10）該量表廣泛用于評(píng)估復(fù)原力，特別是應(yīng)對(duì)逆境的能力，單一維度，共10個(gè)條目，使用Likert 5 級(jí)評(píng)分，評(píng)分范圍0～4 分，總分越高反映應(yīng)對(duì)逆境的能力越強(qiáng)，該量表的Cronbach α系數(shù)≥0.88[7]。本研究中該量表的Cronbach α 系數(shù)為0.941。

1.2.4 領(lǐng)悟社會(huì)支持量表（Perceived Social Support Scale，PSSS）該量表共3 個(gè)維度，分別為家庭支持、朋友支持和其他支持，12 個(gè)條目，目的是評(píng)估個(gè)體面對(duì)壓力源時(shí)受到的社會(huì)支持程度，使用Likert 7級(jí)評(píng)分，范圍為1～7 分，分值與個(gè)體感知社會(huì)支持水平成正比，家庭支持、朋友支持和其他支持的Cronbach α 系數(shù)分別為0.85、0.87 和0.87[8]。本研究中3 個(gè)維度的Cronbach α 系數(shù)分別為0.908、0.916和0.908。

1.2.5 醫(yī)學(xué)應(yīng)對(duì)方式問(wèn)卷 （Medical Coping Modes Questionnaire，MCMQ）該量表共3 個(gè)維度分別為面對(duì)、屈服、回避，共20 個(gè)條目，目的是評(píng)估患者面對(duì)疾病時(shí)使用的應(yīng)對(duì)策略，使用Likert 4 級(jí)評(píng)分，分值范圍為1～4，該量表面對(duì)、屈服和回避等維度的Cronbach α 系數(shù)為0.69、0.76 和0.60[9]。本研究中3 個(gè)維度的Cronbach α 系數(shù) 為0.789、0.844和0.521。

1.2.6 腦卒中患者病恥感量表（stroke stigma scale，SSS）該量表共4 個(gè)維度，分別為自我感受、軀體障礙、受歧視經(jīng)歷和社會(huì)交往，共16 個(gè)條目，目的是評(píng)估腦卒中患者的病恥感水平，使用Likert 5 級(jí)評(píng)分，得分范圍為1～5 分，得分越高病恥感程度越嚴(yán)重，Cronbach α 系數(shù)為0.916[10]。本研究中該量表的Cronbach α 系數(shù)為0.879。

1.3 統(tǒng)計(jì)學(xué)方法采用SPSS 23.0 進(jìn)行統(tǒng)計(jì)學(xué)分析，符合正態(tài)分布的計(jì)量資料，以均數(shù)和標(biāo)準(zhǔn)差表示，組間比較采用兩獨(dú)立樣本t 檢驗(yàn)，若不符合，則采用M（P25，P75）表示，組間比較采用Mann-Whitney U 檢驗(yàn)，計(jì)數(shù)資料以例數(shù)和百分率表示，組間比較采用χ2檢驗(yàn)，P＜0.05 為差異具有統(tǒng)計(jì)學(xué)意義，將單因素分析中有統(tǒng)計(jì)學(xué)意義的變量進(jìn)行多因素Logistic回歸分析。采用R 4.1.1 構(gòu)建列線圖和CART 決策樹(shù)模型，內(nèi)部驗(yàn)證使用Bootstrap 重抽樣1 000 次，為避免過(guò)度擬合，CART 決策樹(shù)設(shè)置復(fù)雜度參數(shù)（cp=0.02）、每個(gè)節(jié)點(diǎn)所含最小樣本數(shù)為30（minisplit=30）、樹(shù)的最大深度為30（maxdepth=30）進(jìn)行剪枝處理，模型之間的比較采取受試者工作特征曲線 （ROC 曲線）的曲線下面積（AUC）進(jìn)行成對(duì)比較，由于內(nèi)部驗(yàn)證使用Bootstrap 重抽樣，AUC 進(jìn)行成對(duì)比較使用兩獨(dú)立樣本t 檢驗(yàn)。所有檢驗(yàn)均為雙側(cè)檢驗(yàn)，P＜0.05 為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 老年腦卒中患者病恥感得分情況腦卒中患者病恥感為結(jié)局變量，采取中位數(shù)轉(zhuǎn)變?yōu)槎肿兞?。病恥感得分為（44.92±11.68）分，中位數(shù)為47分；按中位數(shù)將納入的252 例患者分為有病恥感組（127 例）和無(wú)病恥感組（125 例），病恥感發(fā)病率為50.40%。

2.2 老年腦卒中患者病恥感危險(xiǎn)因素的單因素分析2 組患者的單因素分析顯示：是否遺留功能障礙、自理能力（ADL）得分、挑戰(zhàn)認(rèn)知評(píng)價(jià)、威脅認(rèn)知評(píng)價(jià)、傷害認(rèn)知評(píng)價(jià)、有益/無(wú)關(guān)認(rèn)知評(píng)價(jià)、心理彈性、家庭支持、朋友支持、其他支持、面對(duì)應(yīng)對(duì)方式、回避應(yīng)對(duì)方式、屈服應(yīng)對(duì)方式等13個(gè)因素有統(tǒng)計(jì)學(xué)差異（P＜0.05），結(jié)果見(jiàn)表1。

表1 老年腦卒中患者病恥感危險(xiǎn)因素的單因素分析[n=252，例（%）]

2.3 老年腦卒中患者病恥感風(fēng)險(xiǎn)的列線圖和CART 決策樹(shù)模型的建立

2.3.1 變量賦值 將單因素分析中P<0.05 的變量分別納入2 種模型中作為自變量，將是否有病恥感作為因變量，對(duì)分類變量進(jìn)行賦值，見(jiàn)表2。

表2 自變量及因變量賦值表

2.3.2 繪制列線圖模型 Logistic 回歸分析顯示，在老年腦卒中患者中，發(fā)生病恥感的主要危險(xiǎn)因素包括傷害認(rèn)知評(píng)價(jià)和屈服應(yīng)對(duì)方式，主要保護(hù)因素為心理彈性和朋友支持（表3）?；诨貧w方程，構(gòu)建列線圖（圖1），每個(gè)預(yù)測(cè)因素對(duì)應(yīng)一個(gè)數(shù)軸，這些預(yù)測(cè)因素對(duì)應(yīng)的數(shù)軸的分值相加可計(jì)算總分，通過(guò)總分對(duì)應(yīng)的刻度，在列線圖底部獲得老年腦卒中患者對(duì)應(yīng)的發(fā)生病恥感的概率值。結(jié)果顯示，預(yù)測(cè)因素按照對(duì)結(jié)局事件的貢獻(xiàn)度排序：心理彈性得分范圍為0～100 分；傷害認(rèn)知評(píng)價(jià)得分范圍為0～93 分；屈服應(yīng)對(duì)方式得分范圍為0～84 分；朋友支持得分范圍為0～61 分。老年腦卒中患者發(fā)生病恥感的風(fēng)險(xiǎn)概率范圍為0.1～0.9。

圖1 老年腦卒中患者病恥感的列線圖

表3 老年腦卒中患者病恥感的多因素Logistic 回歸分析（n=252）

2.3.3 構(gòu)建CART 決策樹(shù)模型 把P<0.05 的單因素納入CART 決策樹(shù)分析。最終建立的CART 決策樹(shù)深度為4，表明診斷是否發(fā)生病恥感最多需要4個(gè)步驟。模型包括5 個(gè)特征：心理彈性、屈服應(yīng)對(duì)方式、回避應(yīng)對(duì)方式、傷害認(rèn)知評(píng)價(jià)、有益/無(wú)關(guān)認(rèn)知評(píng)價(jià)。圖2 顯示，心理彈性是CART 決策樹(shù)的根節(jié)點(diǎn)，內(nèi)部節(jié)點(diǎn)包括有屈服應(yīng)對(duì)方式、回避應(yīng)對(duì)方式、傷害認(rèn)知評(píng)價(jià)、有益/無(wú)關(guān)認(rèn)知評(píng)價(jià)。在模型的底部有6 個(gè)葉節(jié)點(diǎn)，表示類別。每個(gè)方框內(nèi)列出3行：頂部一行為CART 決策樹(shù)對(duì)這個(gè)節(jié)點(diǎn)的分類；第2 行，左邊數(shù)字為無(wú)病恥感的百分率，右邊數(shù)字為有病恥感的百分率；第3 行，表示進(jìn)入該框內(nèi)的樣本占總樣本量的百分比。CART 決策樹(shù)預(yù)測(cè)因素重要性分析可知，心理彈性為最重要的預(yù)測(cè)因素（圖4）。

圖2 老年腦卒中患者病恥感的CART 決策樹(shù)

圖3 老年腦卒中患者病恥感的CART 決策樹(shù)預(yù)測(cè)因素重要性分析

圖4 列線圖和CART 決策樹(shù)的內(nèi)部驗(yàn)證ROC 曲線對(duì)比

2.4 老年腦卒中患者病恥感的列線圖和CART決策樹(shù)模型的預(yù)測(cè)性能分析CART 決策樹(shù)內(nèi)部驗(yàn)證的AUC、靈敏度、特異度、陽(yáng)性預(yù)測(cè)值、陰性預(yù)測(cè)值、預(yù)測(cè)準(zhǔn)確率均高于列線圖（表4）。2 種模型的AUC 相比較差異具有統(tǒng)計(jì)學(xué)意義（P<0.001，表5，圖4）。

表4 老年腦卒中患者病恥感的列線圖和CART 決策樹(shù)模型內(nèi)部驗(yàn)證的性能比較

表5 老年腦卒中患者病恥感的列線圖和CART 決策樹(shù)模型內(nèi)部驗(yàn)證的AUC 比較

3 討論

3.1 老年腦卒中患者病恥感列線圖與決策樹(shù)模型的預(yù)測(cè)因素不完全一致2 種模型均顯示心理彈性、屈服應(yīng)對(duì)方式、傷害認(rèn)知評(píng)價(jià)是老年腦卒中患者病恥感的重要預(yù)測(cè)因素，其中心理彈性在列線圖中線段最長(zhǎng)，同時(shí)在CART 決策樹(shù)中也作為首要?jiǎng)澐忠罁?jù)。2 種模型既保留了相同的預(yù)測(cè)因素，又有所不同，這種差異可能是由于2 種模型的算法和操作模式不同造成的[11]。

3.1.1 心理彈性 2 種模型均顯示心理彈性是老年腦卒中患者病恥感的重要預(yù)測(cè)因子，在列線圖中貢獻(xiàn)度排序第一，在CART 決策樹(shù)特征重要性分析中最重要。心理彈性指?jìng)€(gè)體在面對(duì)壓力源時(shí)成功適應(yīng)的動(dòng)態(tài)過(guò)程，也是個(gè)體面對(duì)各種不良事件后恢復(fù)到積極狀態(tài)的一種能力[12]。在疾病轉(zhuǎn)歸過(guò)程中，患者的心理彈性發(fā)揮重要作用[13]。有研究表示，心理彈性良好的患者能調(diào)整負(fù)性情緒并適應(yīng)[14]。因此，護(hù)理人員應(yīng)分析老年卒中患者心理彈性水平及特點(diǎn)，通過(guò)心理疏導(dǎo)提高患者的心理彈性水平，促進(jìn)患者對(duì)患卒中事件的適應(yīng)，減輕患者病恥感水平，促進(jìn)患者的康復(fù)。

3.1.2 傷害認(rèn)知評(píng)價(jià) 傷害認(rèn)知評(píng)價(jià)在2 種模型中預(yù)測(cè)重要性均位于第2 位。病恥感與傷害性認(rèn)知評(píng)價(jià)在回歸分析中呈正相關(guān)，即當(dāng)患者認(rèn)為患病后自己的健康狀況受到傷害時(shí)會(huì)加重患者的病恥感。正性健康認(rèn)知評(píng)價(jià)有利于患者面對(duì)疾病采取積極的應(yīng)對(duì)方式[15]。腦卒中患者的病恥感水平可以通過(guò)積極的應(yīng)對(duì)方式得到改善[16]?；颊卟扇》e極應(yīng)對(duì)方式面對(duì)卒中事件時(shí)，將疾病帶來(lái)的壓力視為挑戰(zhàn)或者是無(wú)關(guān)緊要而不是威脅/有害，從而增強(qiáng)對(duì)疾病的適應(yīng)性，減少病恥感等消極情緒。因此，在護(hù)理中應(yīng)注意了解老年卒中患者的健康認(rèn)知情況，注意調(diào)動(dòng)患者的積極認(rèn)知，盡量減少患者的消極認(rèn)知，教育患者坦然接受患卒中事件的現(xiàn)實(shí)，增強(qiáng)患者戰(zhàn)勝疾病的信心，減輕患者的病恥感。

3.1.3 屈服應(yīng)對(duì)方式 屈服應(yīng)對(duì)方式在2 種模型中預(yù)測(cè)重要性均位于第3 位。采取消極應(yīng)對(duì)方式的腦卒中患者，參與日常生活和社會(huì)活動(dòng)的狀態(tài)和能力較差[17]，腦卒中患者日常生活活動(dòng)能力越差，病恥感水平越高[16]。當(dāng)患者認(rèn)為患病后自己的健康狀況受到傷害，則產(chǎn)生失落感，對(duì)其他事情喪失興趣，易采取屈服和回避的應(yīng)對(duì)方式面對(duì)卒中事件，并減少參與日常生活活動(dòng)，進(jìn)一步使患者產(chǎn)生病恥感等不良情緒，不利于患者的康復(fù)。因此，護(hù)理人員應(yīng)指導(dǎo)患者采取宣泄等積極的應(yīng)對(duì)方式，以及客觀的看待患病、接受患病的現(xiàn)實(shí)等應(yīng)對(duì)方法，減少病恥感等消極情緒，促進(jìn)患者的康復(fù)。

3.2 CART 決策樹(shù)模型預(yù)測(cè)性能略優(yōu)于列線圖評(píng)定模型優(yōu)劣的重要指標(biāo)為AUC，AUC 的值與模型的預(yù)測(cè)性能呈正比[18]。AUC 從0.5（預(yù)測(cè)效果較差）到1（預(yù)測(cè)效果較好），如果AUC≥0.9，則為“優(yōu)秀”，如果AUC 在0.8～0.9，則為“好”[19]，本研究中CART決策樹(shù)和列線圖內(nèi)部驗(yàn)證的AUC 值為0.903 和0.880，說(shuō)明2 模型的整體預(yù)測(cè)性能均達(dá)到“好”的水平，CART 決策樹(shù)優(yōu)于列線圖。靈敏度與特異度是一對(duì)相伴而行的指標(biāo)，是基于ROC 曲線的二級(jí)指標(biāo)，用于檢驗(yàn)?zāi)Ｐ偷氖欠衲苷_判斷陽(yáng)性陰性病例[20]，陽(yáng)性預(yù)測(cè)值和陰性預(yù)測(cè)值表示預(yù)測(cè)結(jié)果正確判斷陽(yáng)性患者屬于患者的概率和陰性患者屬于非患者的概率，預(yù)測(cè)準(zhǔn)確率解釋為正確判斷為患者和非患者的概率，本研究中CART 決策樹(shù)和列線圖內(nèi)部驗(yàn)證的靈敏度與特異度分別為90.6%、86.0%和86.8%、80.0%，陽(yáng)性預(yù)測(cè)值和陰性預(yù)測(cè)值分別為85.1%、90.7%和77.8%、87.4%，預(yù)測(cè)準(zhǔn)確率分別為88.0%和82.6%，CART 決策樹(shù)模型的各項(xiàng)性能指標(biāo)均高于列線圖模型。綜合各項(xiàng)性能指標(biāo)分析可得，2 種模型的預(yù)測(cè)性能均良好，CART 決策樹(shù)略優(yōu)于列線圖。

4 結(jié)論

列線圖和CART 決策樹(shù)兩種模型均具有較高的準(zhǔn)確性和較好的預(yù)測(cè)價(jià)值，CART 決策樹(shù)預(yù)測(cè)性能略優(yōu)于列線圖。本研究提供了2 種可視化模型，便于幫助醫(yī)護(hù)人員快速、準(zhǔn)確地評(píng)估老年腦卒中患者的病恥感。本研究的局限性是樣本量較小，樣本代表性不足，未探討其他數(shù)據(jù)挖掘技術(shù)如隨機(jī)森林、支持向量機(jī)等方法的應(yīng)用效果，未來(lái)還需要采取大樣本的數(shù)據(jù)進(jìn)行外部驗(yàn)證，對(duì)所建立的模型進(jìn)一步完善。

[致謝] 承蒙河北大學(xué)經(jīng)濟(jì)學(xué)院劉永亮老師給予數(shù)據(jù)統(tǒng)計(jì)上的幫助與指導(dǎo)，特此致謝。