彭仁梅，錢榮，李亞軍，段緩，陳蓮芳，劉玉文

（1.武漢大學人民醫(yī)院護理部，湖北 武漢 430060；2.蚌埠醫(yī)學院a.護理學院；b.衛(wèi)生管理學院，安徽 蚌埠 233030；3.蚌埠醫(yī)學院第一附屬醫(yī)院重癥醫(yī)學科，安徽 蚌埠 233030）

ICU 轉(zhuǎn)出患者睡眠障礙是指ICU 患者在轉(zhuǎn)出ICU 后存在睡眠剝奪、節(jié)律紊亂和結(jié)構(gòu)異常等現(xiàn)象，是ICU 轉(zhuǎn)出患者最常見的并發(fā)癥之一[1]。據(jù)統(tǒng)計，ICU 轉(zhuǎn)出患者睡眠障礙患病率為29.55%～58.93%[2]，其影響可長達數(shù)年。Miranda 等[3]發(fā)現(xiàn)，長期睡眠不足會引起促炎細胞因子產(chǎn)生，改變患者的免疫反應(yīng)，增加患者對感染的易感性，同時激活交感神經(jīng)系統(tǒng)和副交感神經(jīng)系統(tǒng)，導致神經(jīng)遞質(zhì)水平發(fā)生紊亂，改變患者的血壓，引起心動過速，增加耗氧量，誘發(fā)低氧血癥，減少紅細胞生成等，不利于患者健康的恢復。相關(guān)研究[4-5]也證實了這點，長期睡眠障礙會促使患者記憶力下降、認知減弱、易疲勞、自理能力下降、誘發(fā)ICU 后綜合征等。目前，國內(nèi)關(guān)于ICU 轉(zhuǎn)出患者睡眠障礙的研究尚關(guān)注不足，因此，構(gòu)建ICU 轉(zhuǎn)出患者睡眠障礙風險預測模型，早期識別高危人群，盡早給與干預措施尤為重要。故本研究在分析ICU轉(zhuǎn)出患者睡眠障礙影響因素的基礎(chǔ)上構(gòu)建風險列線圖預測模型，旨在為臨床醫(yī)護人員提供有效、便捷的篩查工具，為臨床預見性護理提供參考。

1 對象與方法

1.1 研究對象 選取蚌埠市某2 所三級甲等醫(yī)院綜合ICU 住院治療并成功轉(zhuǎn)出的794 例患者為研究對象。納入標準：（1） 在ICU 住院時間≥24 h；（2）年齡≥18 周歲； （3）患者知情同意且愿意參加本研究。排除標準：（1）研究對象中途退出，拒絕參加本研究；（2） 患者和家屬在隨訪期間放棄治療者；（3）在隨訪期間出現(xiàn)其他影響患者睡眠的應(yīng)激性事件（如離婚、親人離世等）；（4）患者入住ICU前就存在睡眠障礙；（5）患者在隨訪期間存在認知障礙（根據(jù)簡易精神狀態(tài)量表[6]進行篩查），無法評估者；（6）資料不全，無法溯源者。樣本量計算，根據(jù)近期1 項前瞻性研究統(tǒng)計ICU 轉(zhuǎn)出患者睡眠障礙發(fā)生率為30%[7]，再考慮10%的樣本流失率，根據(jù)樣本量計算公式，，uα/2=1.96，p=0.3，q=1-p=0.7，d=0.05 計算樣本量n=359 例。因失訪/死亡/隨訪期間放棄治療/認知障礙無法評估等原因脫落276 例，最終獲得有效樣本量為518 例。按時間先后順序，7∶3 比例分配，其中2021 年8 月-2022 年5 月的363 例為訓練集，2022 年6-9 月的155 例為驗證集。

1.2 研究方法 一般資料和臨床資料調(diào)查表 課題組前期通過文獻回顧，并結(jié)合臨床實際情況，設(shè)計一般資料和臨床資料調(diào)查表。一般資料包括年齡、性別、性格類型、家庭人均月收入、職業(yè)類型、付費方式、既往病史。臨床資料包括：譫妄（根據(jù)ICU 意識模糊評估法量表進行評估）、ICU 內(nèi)感染（以各種培養(yǎng)結(jié)果為準）、氣管切開、使用鎮(zhèn)靜藥、使用鎮(zhèn)痛藥、使用血管活性藥、特殊治療（連續(xù)性腎臟替代治療、體外膜肺氧合、主動脈球囊反搏等心肺腎功能支持）、手術(shù)、序貫器官衰竭評分、急性生理學與慢性健康狀況評分II （Acute Physiology and Chronic Health EvaluationⅡ，APACHEⅡ）、重癥監(jiān)護室疼痛觀察工具法評分、Charlson 共病指數(shù)評分、營養(yǎng)風險篩查量表、入住ICU 總時間、有創(chuàng)機械通氣總時長、轉(zhuǎn)出ICU 時留置侵入性管路數(shù)量、患者焦慮、抑郁和創(chuàng)傷后應(yīng)激障礙等。

1.2.1 醫(yī)院焦慮抑郁量表 （Hospital Anxiety and Depression Scale，HADS） 該量表主要分為焦慮和抑郁2 個部分，其每個部分各有7 個條目，每個條目分別為0～3 分，總分為42 分，一般以8 分為界[8]。其焦慮和抑郁部分信度系數(shù)分別為0.72 和0.68，Cronbach α 系數(shù)為0.785[9]。

1.2.2 事件影響量表-修訂版 （Impact of Event Scale-Revised，IES-R） 該量表是1997 年Weiss 學者基于1979 年Horowitz 等編制的創(chuàng)傷后應(yīng)激障礙量表進行修定的，將原來的2 個維度增至為回避、侵襲和高喚醒3 個維度[10]。該量表共有22 個條目，采用0～4 分五級評分法，一般以26 分為界。其Cronbach α 系數(shù)為0.89，各因子為0.76～0.83，分半信度為0.93，各因子為0.86～0.90[11]。

1.2.3 匹茲堡睡眠質(zhì)量指數(shù)量表 （Pittsburgh Sleep Quality Index，PSQI） 該量表[12]主要包括7 個方面和18 個條目，主要用來評估人們近1 個月的睡眠情況，每個條目為0～3 分，總分21 分，一般以＞7 分為存在睡眠障礙。于1996 年由我國學者引入并漢化，其主要成分和各條目的Cronbach α 值分別為0.842和0.852[13]。

1.3 資料收集的方法 ICU 全體醫(yī)護人員經(jīng)過統(tǒng)一培訓后，對一般資料和臨床資料進行記錄，由研究者本人進行實地監(jiān)控和收集。ICU 轉(zhuǎn)出患者睡眠障礙主要在患者轉(zhuǎn)出ICU 1 個月后在醫(yī)護人員隨訪記錄的基礎(chǔ)上，由研究者本人再次電話隨訪評估其睡眠情況，以PSQI 評分＞7 分作為睡眠障礙的判定標準。

1.4 統(tǒng)計學方法 使用SPSS 25.0 和R 4.2.1 軟件統(tǒng)計分析。單因素和多因素分析采用SPSS 25.0，計數(shù)資料采用χ2檢驗，以n，%表示，計量資料，經(jīng)Kolmogorov-smirnov(K-S)檢驗均為非正態(tài)分布，采用非參數(shù)檢驗，以M（P25，P75）表示；單因素有統(tǒng)計學意義的納入二元Logistic 回歸，P＜0.05 為差異有統(tǒng)計學意義。模型的構(gòu)建及驗證采用R 4.2.1。根據(jù)二元Logistic 回歸篩選的變量構(gòu)建列線圖模型；訓練集數(shù)據(jù)采用加強Bootstrap 法重抽樣1 000 次進行內(nèi)部驗證，驗證集數(shù)據(jù)進行外部驗證；以C 指數(shù)評價模型的區(qū)分度；calibration 校準曲線評估模型的校準度。

2 結(jié)果

2.1 ICU 轉(zhuǎn)出患者睡眠障礙發(fā)生現(xiàn)狀 本研究共隨訪了518 例患者，217 例（41.9%）患者發(fā)生睡眠障礙，其中訓練集151 例（41.6%），驗證集66 例（42.6%）。

2.2 ICU 轉(zhuǎn)出患者睡眠障礙影響因素的單因素分析 結(jié)果顯示，譫妄、ICU 內(nèi)感染、氣管切開、使用鎮(zhèn)靜藥、使用鎮(zhèn)痛藥、使用血管活性藥、焦慮、抑郁、創(chuàng)傷后應(yīng)激障礙、特殊治療、既往病史、年齡（歲）、序貫器官衰竭評分、APACHE II 評分、Charlson 共病指數(shù)評分、營養(yǎng)風險篩查量表評分、入住ICU 總時長、轉(zhuǎn)出時侵入性管路、有創(chuàng)機械通氣時長差異有統(tǒng)計學意義（P＜0.05），見表1。

表1 ICU 轉(zhuǎn)出患者睡眠障礙影響因素的單因素分析

2.3 ICU 轉(zhuǎn)出患者睡眠障礙影響因素的多因素分析 以是否發(fā)生睡眠障礙為因變量，單因素P＜0.05的因素為自變量，納入二元Logistic 回歸分析，相關(guān)賦值見表2。結(jié)果顯示，入住ICU 總時間、APACHE II、Charlson 共病指數(shù)、氣管切開、焦慮、抑郁、創(chuàng)傷后應(yīng)激障礙、ICU 內(nèi)感染、轉(zhuǎn)出時侵入性管路是ICU 轉(zhuǎn)出患者睡眠障礙的獨立影響因素。見表3。

表2 ICU 轉(zhuǎn)出患者睡眠障礙影響因素的二元Logistic 回歸分析賦值表

表3 ICU 轉(zhuǎn)出患者睡眠障礙影響因素的二元Logistic 回歸分析

2.4 ICU 轉(zhuǎn)出患者睡眠障礙風險列線圖的繪制根據(jù)Logstic 回歸篩選的9 個變量，繪制ICU 轉(zhuǎn)出患者睡眠障礙風險列線圖，見圖1。該列線圖是將患者ICU 內(nèi)的每個因素對應(yīng)的評分標尺進行評分，相加后得到的總分對應(yīng)的ICU 轉(zhuǎn)出患者睡眠障礙發(fā)生風險即為預測的ICU 轉(zhuǎn)出患者睡眠障礙發(fā)生的概率。

圖1 ICU 轉(zhuǎn)出患者睡眠障礙發(fā)生風險的列線圖模型

2.5 ICU 轉(zhuǎn)出患者睡眠障礙的預測效果驗證 對模型進行Hosmer-Lemeshow（H-L）檢驗，結(jié)果顯示，χ2=13.562，P=0.094。內(nèi)部驗證使用訓練集數(shù)據(jù)通過加強Bootstrap 法重抽樣1 000 次進行驗證，計算出C 指數(shù)為0.926（95%CI:0.898～0.953），最佳截斷值為0.266，靈敏度為82.55%，特異度為92.05%。校準圖

3 討論

3.1 ICU 轉(zhuǎn)出患者睡眠障礙受多種因素的影響

3.1.1 患者自身的心理因素 本研究中，患者的焦慮、抑郁、創(chuàng)傷后應(yīng)激障礙是ICU 轉(zhuǎn)出患者睡眠障礙的獨立影響因素。有研究顯示，焦慮抑郁的患者腎上腺皮質(zhì)功能亢進，會大量分泌一種鹽皮質(zhì)激素，這種鹽皮質(zhì)激素快速上升會影響褪黑素分泌，造成入睡困難、睡眠淺、夢多、早上醒不來、醒來疲憊、頭疼等情況[14]。Difrancesco 等[15]研究也證實了這點。李淑敏等[16]的研究也表明，重癥創(chuàng)傷后應(yīng)激障礙是其見圖2；驗證集數(shù)據(jù)進行外部驗證，計算出C 指數(shù)為0.930（95%CI:0.889～0.972），校準圖見圖3。圖2 和圖3 均顯示，預測的ICU 轉(zhuǎn)出患者睡眠障礙發(fā)生風險與實際ICU 轉(zhuǎn)出患者睡眠障礙發(fā)生風險具有較高的一致性。發(fā)生睡眠障礙的危險因素。因此，醫(yī)護人員可通過干預其心理因素，來降低其睡眠障礙的發(fā)生。

圖2 模型內(nèi)部驗證校準圖

圖3 模型外部驗證校準圖

3.1.2 入住ICU 總時間 本研究發(fā)現(xiàn)，隨著入住ICU 時間的延長，患者睡眠障礙的發(fā)生率也隨之增加?？赡艿脑蚴侨胱CU 時間越長接受到ICU 內(nèi)不良環(huán)境的刺激（如燈光、報警的刺激、各種危重癥搶救等）、持續(xù)有創(chuàng)監(jiān)護和治療就越多，迫使患者晝夜節(jié)律紊亂，引起褪黑素分泌異常；此外，這種刺激也對患者的心理產(chǎn)生一定影響，加重其睡眠紊亂。Dey等[17]研究已經(jīng)證了這點。因此，對于住院時間較長的患者應(yīng)盡量避免不良刺激，盡早給予心理疏導，緩解其心理負擔，預防睡眠障礙的發(fā)生。

3.1.3 APACHE II 評分 本研究發(fā)現(xiàn)，APACHE II評分高的患者發(fā)生睡眠障礙是APACHE II 評分低的1.156 倍。APACHE II 評分是目前國內(nèi)外臨床常用的疾病嚴重程度評估工具，評分越高預示患者接受ICU 治療時間就越久，疾病預后越差，患者對疾病擔憂的情緒可能就越高，發(fā)生睡眠障礙的可能性就愈高。Wilcox 等[18]研究已經(jīng)證實這點，但Wang等[19]發(fā)現(xiàn)APACHE II 評分與其睡眠無相關(guān)性，可能的原因是睡眠評估的時間為正在ICU 內(nèi)住院的人群，因受ICU 環(huán)境和治療等混雜因素的影響較多。因此，醫(yī)護人員應(yīng)主動對APACHE II 評分高的患者加以關(guān)注，及時發(fā)現(xiàn)，盡早干預。

3.1.4 Charlson 共病指數(shù) 本研究發(fā)現(xiàn)，Charlson 共病指數(shù)評分高的患者發(fā)生睡眠障礙是Charlson 共病指數(shù)評分低的1.974 倍。Charlson 共病指數(shù)是指存在有2 種或2 種以上臨床表現(xiàn)的慢性病共存病人的評分系統(tǒng)，主要是根據(jù)19 種慢性疾病的權(quán)重總得分進行評估[20]。研究顯示[21]，Charlson 共病指數(shù)評分與體內(nèi)褪黑激素水平二者相互反作用影響睡眠。Bernat等[22]也證明，Charlson 共病指數(shù)是ICU 轉(zhuǎn)出患者睡眠障礙的危險因素。因此，Charlson 共病指數(shù)可作為其預測因素。

3.1.5 氣管切開和轉(zhuǎn)出ICU 時侵入性管路數(shù)量本研究發(fā)現(xiàn)，行氣管切開的患者發(fā)生睡眠障礙是未行氣管切開患者的3.628 倍?？赡艿脑蚴菤夤芮虚_的患者會存在發(fā)音受限、進食困難、異物感、氣道維護等不適影響患者休息，同時還伴隨各種焦慮和擔憂，影響其睡眠。但本研究中，轉(zhuǎn)出ICU 時侵入性管路數(shù)量是其保護因素。可能的原因是越多管路的留置其滑脫的風險就愈大，加上臨床醫(yī)護人員強調(diào)的滑脫風險，加劇了患者對滑脫的擔憂等，當隨著管路的拔除，其憂慮解除，睡眠情況也隨之改善。因此，對于此類患者，要及時做好管路的護理和指導，解除患者不必要的擔憂，必要時建立科學的ICU 轉(zhuǎn)出患者管路管理方案。

3.1.6 ICU 內(nèi)感染 本研究發(fā)現(xiàn)，ICU 內(nèi)感染的患者發(fā)生睡眠障礙是未感染患者的7.604 倍?？赡艿脑蚴歉腥緦е卵装Y介質(zhì)發(fā)生紊亂，如血清中白細胞介素、C 反應(yīng)蛋白、高單核-巨噬細胞增高等提高了抗原呈遞能力，誘導中性粒細胞在神經(jīng)系統(tǒng)中聚集，促進炎癥介質(zhì)的釋放，引起神經(jīng)元變性，導致睡眠障礙[23]。同時也有研究[24]顯示，睡眠與炎癥相互作用，長期睡眠障礙會削弱身體防御系統(tǒng)，導致全身慢性輕度炎癥，而炎性病原體的增加又會導致患者發(fā)生睡眠障礙。因此，醫(yī)護人員在關(guān)注患者睡眠的同時，應(yīng)該及時關(guān)注患者的感染情況，動態(tài)掌握患者的炎性指標，控制和制定可行的感染管控措施，改善其睡眠情況。

3.2 ICU 轉(zhuǎn)出患者睡眠障礙預測模型的科學性與實用性 對模型進行H-L 檢驗，提示模型的擬合度較好。根據(jù)受試者工作曲線下面積＞0.9，提示模型區(qū)分度良好[25]。本研究建立的預測模型內(nèi)外部驗證的C 指數(shù)分別為0.926 和0.930。calibration 校準曲線重合度也較好，說明模型校準度高。本研究中最佳截斷值為0.266，可區(qū)分其高危和低危人群，且納入的預測因素均為臨床常見和較易獲取的數(shù)據(jù)，構(gòu)建的列線圖可在患者轉(zhuǎn)出ICU 后直接預測ICU 轉(zhuǎn)出患者睡眠障礙的發(fā)生率，判斷是否睡眠障礙的高危人群，不會加重臨床醫(yī)護人員的工作量，具有很強的實用性，值得臨床推廣使用。有利于臨床醫(yī)務(wù)人員對ICU 轉(zhuǎn)出患者睡眠障礙高危人群的識別，盡早啟動各種干預手段，減少其睡眠障礙的發(fā)生，促進患者健康的恢復。

4 結(jié)論

本研究構(gòu)建的ICU 轉(zhuǎn)出患者睡眠障礙預測模型變量包括入住ICU 總時間、APACHE II 評分、Charlson 共病指數(shù)評分、氣管切開、焦慮、抑郁、創(chuàng)傷后應(yīng)激障礙、ICU 內(nèi)發(fā)生感染、轉(zhuǎn)出ICU 時侵入性管路數(shù)等9 個預測因子，驗證結(jié)果顯示該模型的預測能力較好，具有一定的實用價值。但本研究納入的對象僅為蚌埠市內(nèi)的2 所三級甲等醫(yī)院綜合征ICU的患者，且疾病類型不同，納入的樣本和變量也有限。因此，期待今后開展多中心、大樣本的研究，對該模型的預測能力進一步驗證。

[致謝]感謝蚌埠醫(yī)學院衛(wèi)生管理學院（數(shù)據(jù)挖掘方向）劉玉文教授對本文統(tǒng)計學方面的指導和幫助！