沈葉楠，馬敏，李雯

分類樹模型的腦卒中后偏癱患者心理狀態(tài)與肢體功能的相關性

沈葉楠，馬敏，李雯

浙江大學醫(yī)學院附屬第二醫(yī)院臨平院區(qū)神經內科，浙江杭州 311100

研究基于分類樹模型的腦卒中后偏癱患者心理狀態(tài)與肢體功能的相關性及交互作用。選取2021年3月至2022年11月浙江大學醫(yī)學院附屬第二醫(yī)院臨平院區(qū)神經內科收治的120例腦卒中后偏癱患者，心理狀態(tài)評估量表（mental status scale in non-psychiatric settings，MSSNS）評估心理狀態(tài)、Fugl-Meyer評定量表（Fugl-Meyer assessment scale，FMA）評估肢體功能；應用Pearson相關性分析法，評估分析腦卒中后偏癱患者心理狀態(tài)與肢體功能的相關性。收集入組患者的臨床資料，采用多因素Logistic回歸分析法明確危險因素，構建分類樹模型分析腦卒中后偏癱患者肢體功能影響因素之間的交互作用。腦卒中后偏癱患者MSSNS評分、FMA評分分別為（88.22±20.36）分和（73.62±15.25）分，Pearson相關性分析腦卒中后偏癱患者MSSNS與FMA評分呈正相關（=0.463，<0.05）。Logistic多因素回歸分析提示年齡≥65歲、MSSNS評分高、空腹血糖（fasting blood glucose，FBG）高影響腦卒中后偏癱患者的肢體功能。構建的腦卒中后偏癱患者肢體功能的分類樹模型包括2層、5個節(jié)點、3個終末節(jié)點，共篩選出2個解釋變量，分別為年齡≥65歲和MSSNS評分，該模型的Risk統(tǒng)計量為0.167，提示該模型擬合效果好；腦卒中后偏癱患者嚴重肢體功能障礙的影響因素交互作用結果顯示，年齡和MSSNS評分之間有正向相加交互作用、無相乘交互作用。腦卒中后偏癱患者心理狀態(tài)與肢體功能呈正相關，年齡、MSSNS評分、FBG是影響腦卒中后偏癱患者肢體功能的危險因素，其中年齡與心理狀態(tài)之間對腦卒中后偏癱患者嚴重肢體功能障礙的影響具有正向相加交互作用。

腦卒中后偏癱；肢體功能；心理狀態(tài)；交互作用；分類樹模型

腦卒中具有發(fā)病急驟、疾病進展快等特點，多發(fā)于中老年群體，相關數據顯示，我國腦卒中患病率約為1114.8/10萬，致殘率高達80%以上[1-2]。多數腦卒中患者伴有偏癱，通常表現為患側肢體活動不利、肌張力高、感覺減退等，部分患者長期臥床會誘發(fā)壓瘡、感染等多種并發(fā)癥，嚴重降低患者的生活質量[3-4]。隨著現代生物–心理–社會醫(yī)學模式的提出，探討腦卒中后偏癱患者心理狀態(tài)與肢體功能的關系尤為關鍵。陳曉瑩等[5]研究指出腦卒中后偏癱患者的心理健康狀況往往與生理癥狀存在雙向影響。影響腦卒中后偏癱患者肢體功能的影響因素眾多，當兩個或多個影響因素存在時，疾病的發(fā)生率與其單獨作用所估計的發(fā)病率不同，而當兩因素引起的效應互不獨立，且一個因素對另一因素有效應修飾作用時，即表明兩因素存在相加交互作用，目前研究主要通過模型化的統(tǒng)計學方法探究不同因素間的交互作用[6-7]。分類樹模型利用分割的方法深入數據局部，簡潔、直觀地展示影響因素之間的層次關系，因多數疾病的心理、生理協(xié)同發(fā)生機制尚不明確，目前的研究較少分析生理與心理影響因素之間的交互作用[8]?；诖?，本研究旨在探討基于分類樹模型的腦卒中后偏癱患者心理狀態(tài)與肢體功能的相關性及交互作用，現報道如下。

1 資料與方法

1.1 一般資料

選取2021年3月至2022年11月浙江大學醫(yī)學院附屬第二醫(yī)院臨平院區(qū)神經內科收治的120例腦卒中后偏癱患者，其中男性75例，女性45例，年齡45～74歲，平均（62.25±10.25）歲。依據Fugl-Meyer評定量表（Fugl-Meyer assessment scale，FMA）評分，將患者分為輕度肢體功能障礙組（FMA評分≥95分）、中度肢體功能障礙組（85分

1.2 方法

1.2.1 臨床資料收集 收集入組患者的臨床資料，包括性別、年齡、基礎疾病（高血壓、糖尿病）、心理狀態(tài)評估量表（mental status scale in non-psychiatric settings，MSSNS）評分[10]、生化指標[空腹血糖（fasting blood glucose，FBG）、白細胞計數（white blood cell count，WBC）、血小板計數（platelet count，PLT）、總膽固醇（total cholesterol，TC）、三酰甘油（triglyceride，TG）]。

1.2.2 心理狀態(tài)、肢體功能評估 心理狀態(tài)采用MSSNS評估，分數與患者心理狀態(tài)成正比；肢體功能采用FMA評估，分數與患者肢體功能成正比[11]。

1.3 統(tǒng)計學方法

2 結果

2.1 腦卒中后偏癱患者心理狀態(tài)與肢體功能的相關性

入組患者的MSSNS、FMA評分分別為（88.22±20.36）分和（73.62±15.25）分，Pearson相關性分析結果顯示，腦卒中后偏癱患者的MSSNS與FMA評分呈正相關（=0.463，<0.05），即腦卒中偏癱患者的心理狀態(tài)越好，肢體功能越好，見圖1。

圖1 腦卒中后偏癱患者MSSNS與FMA評分的相關性

2.2 腦卒中后肢體功能障礙不同程度偏癱患者的臨床資料比較

與輕度肢體功能障礙組比較，中度、重度肢體功能障礙組偏癱患者的年齡≥65歲比例、合并糖尿病比例、MSSNS評分、FBG水平均較高，且重度肢體功能障礙組偏癱患者的上述指標均高于中度肢體功能障礙組（<0.05），見表1。

2.3 影響腦卒中后偏癱患者肢體功能的因素

將上述差異具有統(tǒng)計學意義的指標（年齡≥65歲=1、年齡<65歲=0，糖尿病=1、無糖尿病=0，MSSNS評分、FBG水平）作為自變量（），腦卒中后偏癱患者肢體功能作為因變量（重度肢體功能障礙=1，輕中度肢體功能障礙=0）進行多因素Logistic回歸分析，結果顯示年齡≥65歲、MSSNS評分高、FBG水平高是影響腦卒中后偏癱患者肢體功能障礙的獨立危險因素，見表2。

2.4 腦卒中后偏癱患者肢體功能影響因素之間的交互作用

根據多因素Logistic回歸分析結果，將<0.05的影響因素納入分類樹模型，構建的腦卒中后偏癱患者肢體功能的分類樹模型包括2層、5個節(jié)點、3個終末節(jié)點，共篩選出2個解釋變量，分別為年齡≥65歲、MSSNS評分，該模型的Risk統(tǒng)計量為0.167，提示該模型擬合效果好；腦卒中后偏癱患者嚴重肢體功能障礙的影響因素交互作用結果顯示，年齡和MSSNS評分之間有正向相加交互作用、無相乘交互作用，見圖2、表3。

3 討論

腦部血管阻塞或破裂導致血液不能流入大腦而引起的腦組織損傷即為腦卒中，該病多發(fā)于中老年群體，但隨著人們飲食結構的變化，腦卒中發(fā)病人群日趨年輕化[12-13]。多數腦卒中患者經及時溶栓治療后仍出現不同程度的功能障礙[14-15]。腦卒中后偏癱患者存在不同程度的肢體功能障礙，患者的身心負擔、家庭經濟負擔較重，極大可能產生焦慮、抑郁和厭世等不良情緒，而心理狀態(tài)易影響患者治療主動性，與遠期預后相關[16]。了解腦卒中后偏癱患者的心理狀態(tài)與肢體功能的關系有助于臨床更好地制訂后續(xù)治療計劃，改善患者預后。本研究分別采用MSSNS、FMA評分評估腦卒中后偏癱患者的心理狀態(tài)和肢體功能，Pearson相關性分析顯示，腦卒中后偏癱患者的MSSNS與FMA評分呈正相關，提示患者的心理狀態(tài)與生理狀態(tài)密切相關。

表1 腦卒中后肢體功能障礙不同程度偏癱患者的臨床資料比較

注：與輕度肢體功能障礙組比較，*<0.05；與中度肢體功能障礙組比較，#<0.05

表2 影響腦卒中后偏癱患者肢體功能的因素

圖2 腦卒中后偏癱患者肢體功能的分類樹模型

表3 年齡和MSSNS評分的交互作用檢驗

腦卒中后偏癱患者因肢體功能不同程度受損，后續(xù)可能完全喪失自主生活能力，嚴重降低患者及家屬的生活質量[17]。本研究通過比較輕度、中度、重度肢體功能障礙的腦卒中后偏癱患者的臨床資料發(fā)現，與輕度肢體功能障礙組比較，中度、重度肢體功能障礙組偏癱患者的年齡≥65歲比例、合并糖尿病比例、MSSNS評分、FBG水平均較高，經多因素Logistic回歸分析顯示，年齡、MSSNS評分和FBG水平是腦卒中后偏癱患者肢體功能障礙的獨立危險因素。機體各項生理功能隨年齡增長逐漸衰弱，老年群體血管內纖維蛋白減少、膠原組織萎縮，血管結構發(fā)生變化后血管脆性增加，更易在較小外力作用下發(fā)生破裂出血，故老年腦卒中偏癱患者發(fā)生重度肢體功能障礙風險較大[18]；Maeshima等[19]研究發(fā)現，腦卒中后偏癱患者的焦慮、抑郁程度較未偏癱者更重。本研究結果顯示腦卒中后重度肢體功能障礙偏癱患者的MSSNS評分最高，提示腦卒中后偏癱患者的心理狀態(tài)與生理狀態(tài)關系密切，后續(xù)研究可基于此制定相關措施對腦卒中患者實施早期干預以降低偏癱發(fā)生風險；腦卒中后偏癱患者FBG水平高可歸因于高血糖介導機體炎癥反應，誘發(fā)廣泛性微血管內皮損傷后加重腦組織血管源性水腫程度，加重神經細胞損傷程度，神經細胞支配的軀體功能異常程度，即肢體功能障礙程度隨之加重[20-21]。

目前關于疾病影響因素交互作用的研究常采用分類樹模型；相較于傳統(tǒng)Logistic回歸模型，分類樹模型很大程度上可減少研究的工作量，在對影響因素相互間交互作用識別方面也更有優(yōu)勢[22-23]。本研究采用構建分類樹模型的方法分析腦卒中后偏癱患者肢體功能影響因素之間的交互作用，分類樹模型共篩選出2個解釋變量，分別為年齡≥65歲和高MSSNS評分。年齡≥65歲且心理狀態(tài)差的腦卒中患者發(fā)生重度肢體功能障礙的可能性更大，密切監(jiān)測血糖及其他各項生化指標，可降低病情惡化、減少重度肢體功能障礙發(fā)生風險。蔣妮等[24-25]研究認為，分類樹模型仍存在一定局限性，如分類樹模型在小樣本的穩(wěn)健性欠佳、對自變量單獨效應的定量解釋不如Logistic回歸模型。后續(xù)可進一步優(yōu)化分類樹模型數據處理模式，使結果更加準確、合理。

綜上，年齡≥65歲、高MSSNS評分和高FBG水平是影響腦卒中后偏癱患者肢體功能障礙的獨立危險因素，且年齡與心理狀態(tài)對腦卒中后偏癱患者嚴重肢體功能障礙的影響具有正向相加交互作用。

[1] TETSUKA S, OGAWA T, HASHIMOTO R, et al. Clinical features, pathogenesis, and management of stroke-like episodes due to melas[J]. Metab Brain Dis, 2021, 36(8): 2181–2193.

[2] 劉美快, 徐樂義, 李海燕, 等. 鏡像療法對腦卒中患者運動功能和平衡功能以及脛骨前肌形態(tài)結構的影響[J]. 中華物理醫(yī)學與康復雜志, 2020, 42(5): 419–423.

[3] KENT D M, SAVER J L, KASNER S E, et al. Heterogeneity of treatment effects in an analysis of pooled individual patient data from randomized trials of device closure of patent foramen ovale after stroke[J]. JAMA, 2021, 326(22): 2277–2286.

[4] 陳煌, 謝紅珍, 黎蔚華, 等. 腦卒中肢體功能障礙患者早期康復護理的最佳證據總結[J]. 解放軍護理雜志, 2020, 37(6): 6–10.

[5] 陳曉瑩, 尹祚平, 朱列和, 等. 腦卒中后抑郁患者的心理狀況及其與認知功能的相關性[J]. 海南醫(yī)學, 2020, 31(3): 306–308.

[6] DERAKHSHANFAR M, RAJI P, BAGHERI H, et al. Sensory interventions on motor function, activities of daily living, and spasticity of the upper limb in people with stroke: A randomized clinical trial[J]. J Hand Ther, 2021, 34(4): 515–520.

[7] CHEN Y H, CHEN C L, HUANG Y Z, et al. Augmented efficacy of intermittent theta burst stimulation on the virtual reality-based cycling training for upper limb function in patients with stroke: A double-blinded, randomized controlled trial[J]. J Neuroeng Rehabil, 2021, 18(1): 91.

[8] 何綱, 張志僑, 葉一農, 等. 慢加急性肝衰竭患者發(fā)生肝性腦病高危人群的分類樹模型和簡易風險評估[J]. 中國熱帶醫(yī)學, 2020, 20(3): 275–280.

[9] 中華醫(yī)學會神經病學分會, 中華醫(yī)學會神經病學分會腦血管病學組. 中國急性缺血性腦卒中診治指南2018[J]. 中華神經科雜志, 2018, 51(9): 666–682.

[10] MA Y, KAMALIBAIKE M, XIN C, et al. Effect of the intensive psychological nursing on adverse mood and quality of life in patients with cervical cancer[J]. Am J Transl Res, 2021, 13(8): 9633–9638.

[11] CECCHI F, CARRABBA C, BERTOLUCCI F, et al. Transcultural translation and validation of Fugl-Meyer assessment to Italian[J]. Disabil Rehabil, 2021, 43(25): 3717–3722.

[12] 王思迅, 陸東, 李婕, 等. 應用CT腦CTP聯合頭頸CTA診斷缺血性腦卒中的臨床價值[J]. 中國CT和MRI雜志, 2022, 20(9): 11–12.

[13] MORONE G, MARTINO CINNERA A, PAOLUCCI T, et al. Clinical features of fallers among inpatient subacute stroke: An observational cohort study[J]. Neurol Sci, 2020, 41(9): 2599–2604.

[14] SALERNO A, STRAMBO D, NANNONI S, et al. Patterns of ischemic posterior circulation strokes: A clinical, anatomical, and radiological review[J] Int J Stroke, 2022, 17(7): 714–722.

[15] 崔林華, 齊叢會, 邢瀟, 等. 五線七針療法治療腦卒中后肢體功能障礙臨床觀察[J]. 中華中醫(yī)藥學刊, 2020, 38(12): 237–240.

[16] 朱倩. 系統(tǒng)化功能訓練治療老年缺血性腦卒中患者的療效觀察[J]. 中華物理醫(yī)學與康復雜志, 2020, 42(6): 538–540.

[17] GUEYE T, DEDKOVA M, ROGALEWICZ V, et al. Early post-stroke rehabilitation for upper limb motor function using virtual reality and exoskeleton: Equally efficient in older patients[J]. Neurol Neurochir Pol, 2021, 55(1): 91–96.

[18] LIU X, YU H J, GAO Y, et al. Combined association of multiple chronic diseases and social isolation with the functional disability after stroke in elderly patients: A multicenter cross-sectional study in China[J]. BMC Geriatr, 2021, 21(1): 495.

[19] MAESHIMA S, OKAMOTO S, MIZUNO S, et al. Predicting walking ability in hemiplegic patients with putaminal hemorrhage: An observational study in a rehabilitation hospital[J]. Eur J Phys Rehabil Med, 2021, 57(3): 321–326.

[20] 韓嘯, 趙越, 尤玉青, 等. 2型糖尿病伴高尿酸患者腦卒中風險及其危險因素[J]. 醫(yī)學研究雜志, 2020, 49(10): 115–119.

[21] MADSEN T E, LONG D L, CARSON A P, et al. Sex and race differences in the risk of ischemic stroke associated with fasting blood glucose in regards[J]. Neurology, 2021, 97(7): 684–694.

[22] IMURA T, IWAMOTO Y, INAGAWA T, et al. Decision tree algorithm identifies stroke patients likely discharge home after rehabilitation using functional and environmental predictors[J]. J Stroke Cerebrovasc Dis, 2021, 30(4): 105636.

[23] LYASHEVSKA O, MALONE F, MACCARTHY E, et al. Class imbalance in gradient boosting classification algorithms: Application to experimental stroke data[J]. Stat Methods Med Res, 2021, 30(3): 916–925.

[24] 蔣妮, 程港, 賀思敏, 等. 基于決策樹與多元線性回歸模型的出生體重影響因素分析[J]. 中國衛(wèi)生統(tǒng)計, 2022, 39(2): 202–206.

[25] SIRIOPOL D, POPA R, MIHAILA M, et al. Application of survival classification and regression tree analysis for identification of subgroups of risk in patients with heart failure and reduced left ventricular ejection fraction[J]. Int J Cardiovasc Imaging, 2021, 37(6): 1853–1861.

Correlation between mental status and limb function of hemiplegic patients after stroke based on classification tree model

Department of Neurology, Linping District, the Second Affiliated Hospital of Zhejiang University School of Medicine, Hangzhou 311100, Zhejiang, China

To study the correlation and interaction between mental status and limb function in patients with hemiplegia after stroke based on classification tree model.A total of 120 patients with post-stroke hemiplegia admitted to the Department of Neurology, Linping District, the Second Affiliated Hospital of Zhejiang University School of Medicine from March 2021 to November 2022 were selected, mental status scale in non-psychiatric settings (MSSNS) was used to assess the mental status of the patients, and the Fugl-Meyer assessment scale (FMA) was used to assess the limb function of the patients, Pearson correlation analysis was used to analyze the correlation between mental status and limb function in patients with hemiplegia after stroke. The clinical data of enrolled patients were collected, and the risk factors affecting the limb function of poststroke patients with hemiplegia were determined by multivariate Logistic regression analysis. The classification tree model was built to analyze the interaction between the factors affecting the limb function of poststroke patients with hemiplegia.The MSSNS score and FMA score of patients with hemiplegia after stroke were (88.22±20.36) points and (73.62±15.25) points respectively, Pearson correlation analysis showed that there was a significant positive correlation between MSSNS score and FMA score in patients with hemiplegia after stroke (=0.463,<0.05). Multivariate Logistic regression analysis showed that age ≥65 years old, high MSSNS score and high fasting blood glucose (FBG) level were independent risk factors for limb dysfunction in patients with hemiplegia after stroke. The classification tree model of limb function in patients with hemiplegia after stroke consists of 2 layers, 5 nodes and 3 end nodes. Two explanatory variables are screened out, which are age ≥65 years old, MSSNS score, the Risk statistic of the model is 0.167, which indicates that the model has good fitting effect. The results of the interaction of factors influencing severe limb dysfunction in patients with hemiplegia after stroke showed that there was a positive additive interaction between age and MSSNS score, but no multiplicative interaction.There was a positive correlation between mental status and limb function in patients with hemiplegia after stroke, age, MSSNS score and FBG were risk factors affecting the limb function of poststroke patients with hemiplegia, and there was a positive plus interaction between age and mental status on the influence of severe limb dysfunction in poststroke patients with hemiplegia.

Hemiplegia after stroke; Limb function; Mental status; Interaction; Classification tree model

R473

A

10.3969/j.issn.1673-9701.2023.27.016

沈葉楠，電子信箱：2383316579@qq.com

（2022–12–16）

（2023–08–25）