Risk factor analysis and risk prediction for unplanned readmission of schizophrenia patients within 30 days after discharge

HUANG Aili，YIN Lifen，TANG Xiaofang，ZHANG Jing，YANG ZhouSuzhou Guangji Hospital，Jiangsu 215000 ChinaCorresponding Author HUANG Aili，E-mail：m4b922@163.com

Keywords schizophrenia;unplanned readmission;risk factors;risk prediction model;nursing

摘要 目的：探討精神分裂癥病人出院30 d內非計劃再入院的危險因素，并為其構建個體化的風險預測模型。方法：便利抽取2022年1月—12月蘇州市廣濟醫(yī)院老年精神科收治的120例精神分裂癥病人為研究對象，采用一般資料調查問卷收集資料，于病人出院后30 d進行隨訪，根據病人出院后30 d內是否發(fā)生非計劃再入院分為再入院組與對照組。采用單因素分析和Logistic回歸分析明確病人出院30 d內非計劃再入院的危險因素，建立列線圖風險預測模型，最后檢驗模型預測效果。結果：120例精神分裂癥病人出院30 d非計劃再入院18例，非計劃再入院率為15.00%；Logistic回歸分析結果顯示，出院時精神癥狀程度、服藥依從性、出院準備度、社會支持、主要照護者、是否提供延伸服務均為精神分裂癥病人30 d內非計劃再入院情況的獨立危險因素（Plt;0.05）?；谖ｋU因素建立的列線圖風險預測模型的Hosmer-Lemeshow檢驗顯示，χ2=4.561，P=0.683，受試者工作特征曲線下面積為0.814，95%CI（0.789，0.834），靈敏度為78.94%，特異度為 97.18%，模型預測準確率為83.33%。結論：精神分裂癥病人30 d內非計劃再入院率較高，構建的個體化列線圖風險預測模型有助于實現病人出院30 d內非計劃再入院風險的個體化預測，為臨床提供重要的決策依據。

關鍵詞 精神分裂癥；非計劃再入院；危險因素；風險預測模型；護理

doi：10.12102/j.issn.2095-8668.2024.17.027

精神分裂癥是一種嚴重的精神疾病，其特征是病人的精神活動與現實環(huán)境相脫離，出現思維混亂、缺乏邏輯性和連貫性，行為怪異，感知覺出現幻覺或妄想等癥狀［1］。非計劃再入院是指病人在出院后因與出院疾病相關的原因或其他因素，未經預測且不可預計的需要再次住院治療，是評價病人生存質量的重要健康結果指標［2］。調查顯示，精神分裂癥非計劃再入院率為12.36%～30.74%，且80.00%非計劃再入院發(fā)生于出院后30 d內［3］。既往也有學者從多維度針對復發(fā)原因進行探究，發(fā)現與自身服藥依從性、臨床護理因素均存在相關性，但尚未得出一致性的結論。目前，護理人員重視復發(fā)的預防性干預，缺乏可靠的工具預測病人出院后非計劃再入院發(fā)生風險的可能性［4］。鑒于此，本研究結合既往經驗和結論，從生理、心理、臨床管理等層面進行深入探究，明確其綜合性影響因素，并以此為依據構建科學、可行的列線圖風險預測模型，為臨床預防復發(fā)管理策略的針對性和有效性提供更為個體化的依據。現報道如下。

1 資料與方法

1.1 一般資料

便利抽取2022年1月—12月蘇州市廣濟醫(yī)院老年精神科收治的120例精神分裂癥病人為研究對象，根據出院后30 d內是否有非計劃再入院分為再入院組和對照組。納入標準：1）年齡≥18歲；2）符合國際疾病分類手冊第10版（ICD-10）精神分裂癥診斷標準［5］；3）病人服用抗精神病藥物的劑量相對穩(wěn)定，符合出院標準；4）無其他嚴重并發(fā)癥；5）配合治療并志愿加入本研究；6）具備正常溝通能力。排除標準：1）合并腦器質性或軀體疾病所致的精神障礙者；2）乙醇及藥物依賴者；3）臨床資料不全者。根據Logistic回歸分析樣本量計算準則［6］，樣本量為自變量的5～10倍，本研究得到可能影響30 d內非計劃再入院率的變量為17個，計算最小樣本量為85例，考慮無效病例和脫落病例，最終確定樣本量為120例。本研究經醫(yī)院倫理委員會審核通過后執(zhí)行，所有病人均簽訂知情同意書。

1.2 調查工具

1.2.1 一般資料調查表

結合醫(yī)院信息管理系統(tǒng)自制一般資料調查問卷，收集研究對象的一般資料，包括性別、體質指數（body mass index，BMI）、年齡、病程、文化程度、婚姻情況、家族史、家庭人均月收入、住院次數、住院時間、主要照護者、是否提供延伸服務、是否定期隨訪（7 d 1次）。

1.2.2 出院準備度量表（Readiness for Hospital Dischargescale，RHDS）［7］

該量表包括自身狀態(tài)、疾病知識、應對能力以及預期性支持4個維度，共23個條目，均采用0～10分評分法，以7分作為各條目分界線，lt;7分視為該條目準備度低下，總分為0～230分，lt;120分為準備度低下，120～180分為準備度中等，gt;180分為準備度較高，得分越高表明出院準備度越高。該量表Cronbach′s α系數為0.924，內容效度系數為0.901，具有良好的信效度。

1.2.3 Morisky用藥依從性量表（MMAS-8）［8］

該量表包括8個條目，采用0～8分評分法，＜6分表示依從性差，6～7分表示依從性中等，8分表示依從性好。

1.2.4 社會支持評定量表（Social Support Rating Scale，SSRS）［9］

該量表包括客觀支持、主觀支持、對社會支持利用度3個維度，共10個條目，采用0～9分計分法，總分為12～66分，≤22分為社會支持水平低下，gt;22～44分為社會支持水平中等，gt;44～66分為社會支持水平較高，分數越高，表明社會支持度越好。該量表 Cronbach′s α系數為0.828，具有良好的信效度。

1.2.5 簡明精神病評定量表（Brief Psychiatric Rating Scale，BPRS）［10］

該量表從缺乏活力、焦慮猶豫、思維障礙、敵對猜疑4個指標對病人進行綜合評分，共16個條目，采用5級評分制，總分為16～80分，0～17分為輕度，18～29分為中度，≥30分為重度，得分越高，表示精神癥狀程度越嚴重。

1.3 資料收集方法

正式調查前對60例病人進行預調查，根據現存問題和結果對調查流程和問卷進行修改或調整。本研究所有的調查資料均由研究者本人親自收集，填寫問卷前使用統(tǒng)一指導語；病人入院時通過醫(yī)院電子病歷系統(tǒng)完成人口學資料收集，服藥依從性、出院準備度、社會支持、精神癥狀評定于病人出院當天收集。收集資料人員具備豐富的臨床經驗并經過專業(yè)化培訓和考核，采用雙人法對數據進行核查、統(tǒng)計分析，本研究資料收集過程均無脫落病例。

1.4 統(tǒng)計學方法

采用SPSS 26.0統(tǒng)計軟件進行數據分析，定性資料采用例數、百分比（%）描述，行χ2檢驗；符合正態(tài)分布的定量資料采用均數±標準差（x±s）表示，行獨立樣本t檢驗。將單因素分析中差異有統(tǒng)計學意義的變量行二分類Logistic回歸分析。最后繪制列線圖風險預測模型，使用Hosmer-Lemeshow（H-L）檢驗、受試者工作特征（receiver operating characteristic，ROC）曲線下面積（area under curve，AUC）及外部驗證評價模型預測效果。檢驗水準為α=0.05。

2 結果

2.1 精神分裂癥病人30 d內非計劃再入院情況

本研究對120例出院后病人進行30 d的隨訪發(fā)現，18例（15.00%）病人出現非計劃再入院情況，列為再入院組；將其余102例（85.00%）未發(fā)生非計劃再入院情況的病人列為對照組。

2.2 精神分裂癥病人30 d內非計劃再入院的單因素分析（見表1）

2.3 精神分裂癥病人30 d內非計劃再入院的Logistic回歸分析

將精神分裂癥病人30 d內是否發(fā)生非計劃再入院情況作為因變量（否=0，是=1），將單因素分析中差異有統(tǒng)計學意義的變量作為自變量納入Logistic回歸分析，自變量賦值情況見表2。Logistic回歸分析結果顯示，出院時精神癥狀程度、服藥依從性、出院準備度、社會支持、主要照護者、是否提供延伸服務均為精神分裂癥病人30 d內非計劃再入院情況的獨立危險因素（Plt;0.05）。見表3。

2.4 精神分裂癥病人30 d內非計劃再入院的列線圖風險預測模型

基于6項精神分裂癥病人30 d內非計劃再入院的獨立危險因素，構建列線圖預警模型，見圖1，各變量對應的評分依次為80、100、91、82、71、72分，總分為496分，如1例精神分裂癥病人出院時精神癥狀程度為中度、服藥依從性中等、社會支持中等、出院準備度低下、無照護者，則該病人出院后30 d內非計劃再入院的風險為40+51+40+100+71=302分，根據圖示可直接得出其30 d內非計劃再入院的風險約為32%。

2.5 模型的驗證

2.5.1 內部驗證

1）擬合優(yōu)度檢驗：采用H-L檢驗可以評估模型的擬合程度，本研究結果顯示，χ2=4.561，P=0.683，表明本次回歸方程模型擬合優(yōu)度良好。2）鑒別效度檢驗：根據風險預測模型繪制的ROC曲線和計算得到的AUC來評估模型的鑒別效度。結果顯示，本研究構建的風險預測模型的C-index為0.838，表明模型具有較好的區(qū)分能力。校準曲線的斜率接近1，見圖2。結果顯示，本研究構建的風險預測模型的AUC為0.814，95%CI（0.789，0.834），表明模型具有較高的預測準確性，靈敏度為78.94%，表明模型能夠有效識別真陽性的病人；特異度為97.18%，表明模型可以很好地排除真陰性的病人。

2.5.2 外部驗證

根據機器學習訓練集、驗證集樣本比例為8∶2，計算得到驗證集樣本量為24例，按相同納入、排除標準采用便利抽樣法從2023年1月—8月收治的精神分裂癥病人中選取24例形成驗證集，采用模型進行評價，據此計算模型預測準確率，結果顯示，模型預測精神分裂癥病人30 d內非計劃再入院率為4例，實際發(fā)生2例，預測30 d內不會發(fā)生非計劃再入院率的20例中實際未發(fā)生非計劃再入院的有18例，計算得到預測準確率為（2+18）/24×100%=83.33%。

3 討論

3.1 精神分裂癥病人30 d內發(fā)生非計劃再入院情況及相關因素

精神分裂癥是臨床常見的慢性精神疾病，病人若未遵醫(yī)規(guī)范治療極易復發(fā)，增加再入院的風險。本研究對120例出院后病人進行30 d的隨訪發(fā)現，共有18例病人出現非計劃再入院情況，30 d內非計劃再入院率為15%，低于王宏杰等［11-12］的研究結果，表明精神分裂癥病人病情復發(fā)率較高，且30 d非計劃再入院情況比較普遍，可見盡早掌握相關危險因素，有利于臨床醫(yī)護人員進行針對性干預，進而改善病人預后。為此，本研究通過單因素、多因素分析篩選相關因素，得出精神分裂癥病人30 d內發(fā)生非計劃再入院與以下因素密切相關，現將原因和可能的影響機制分析如下。

3.1.1 病人出院時精神癥狀和出院準備度

本研究Logistic回歸分析結果顯示，病人出院時精神癥狀越嚴重，其30 d內非計劃再入院風險越高，與孫秀琪等［13］研究結論相符。分析原因：1）康復和復原受阻。出院時精神癥狀嚴重的病人可能無法有效地參與社會生活和康復活動，妨礙他們的康復和復原進程。同時，病人缺乏適應社會的能力導致其出院后面臨更多挑戰(zhàn)，并增加再入院的風險［14］。2）精神癥狀嚴重的病人難以遵循醫(yī)療建議和治療方案，包括服藥和定期就診，導致癥狀復發(fā)和加重，增加再入院的風險。3）自我傷害和社會功能下降：精神癥狀嚴重的病人出院后可能面臨自我傷害的風險增加，如自殺意念或自傷行為。癥狀嚴重程度可能限制病人的社會功能，使其難以與他人建立良好的人際關系，難以維持工作和學習等方面的正常功能，進而導致再入院的可能性增加。另外，本研究還顯示，病人出院準備度與其30 d非計劃再入院風險密切相關，即出院準備度越高，非計劃再入院率越低。該結論在王惠等［15］的研究中也得到證實，表明出院準備度與精神分裂癥病人再入院率存在負相關?？赡艿脑颍?）出院準備度得分高的病人有可能成功地過渡到社區(qū)生活，并遵循治療計劃和康復活動，對管理自己的病情和藥物治療更有能力，從而更加積極地參與治療過程，按時服藥，定期就醫(yī)，并采取其他必要的自我管理措施，有助于預防癥狀復發(fā)和再入院。其次，出院準備度得分高的病人能夠更好地利用社會支持系統(tǒng)和康復資源，如家庭支持、康復計劃、心理健康咨詢等，并從中獲得適當的支持和資源，幫助他們在社區(qū)中實現穩(wěn)定和康復，并減少再入院的風險。

3.1.2 服藥依從性和社會支持

本研究顯示，精神分裂癥病人服藥依從性越高，病人出院后30 d非計劃再入院風險越低，表明服藥依從性可作為病人非計劃再入院情況的獨立影響因素，該結果與宋媛媛等［16］研究的結論一致。究其原因：1）服藥依從性得分高的病人能按時、正確地服用藥物，有效控制和穩(wěn)定其精神癥狀，減少癥狀復發(fā)和加重的風險，從而降低再入院的可能性。2）服藥依從性得分高的病人能更好地控制癥狀，保持社會功能和生活質量，正常工作、學習和社交，減少疾病對日常生活的負面影響，降低再入院的風險［17］。社會支持反映個體與社會聯(lián)系的質量和密切程度。本研究顯示，社會支持對病人非計劃再入院率具有重要影響，社會支持水平越低的病人非計劃再入院率越高，反之則越低。原因是社會支持得分高的病人出院后能夠獲得更多的心理、情感和應對方面的支持，從而減輕病人在面對種種壓力和困難時的負面影響，幫助他們更好地應對和調適。社會支持得分高的病人，可從家人、朋友、社區(qū)組織或其他支持網絡中獲得實際的幫助和資源，包括照顧、照料、陪伴，以及提供就業(yè)機會、住房支持、康復資源等，有助于病人更好地適應社會生活，降低再入院的可能性［18］。

3.1.3 主要照護者與是否提供延伸服務

本研究顯示，主要照護者可影響病人出院后30 d非計劃再入院情況，且照護者為配偶的病人非計劃再入院風險明顯降低。得出該結論的原因可能為：1）配偶作為主要照護者能夠給病人提供所需的情感支持和關愛，情感支持有助于病人建立積極的心理狀態(tài)，增強應對疾病的能力，減輕焦慮和抑郁，從而降低再入院的可能性。2）配偶作為主要照護者能夠關注病人的病情變化，及時察覺癥狀的復發(fā)或加重，同時配偶在長時間的照護過程中通常會獲得疾病管理相關知識和技能，他們了解病人的需求和病情，可以更好地應對潛在的問題和風險，積極預防和處理復發(fā)癥狀，降低再入院的可能性［19］。但該結論還需進一步證實和探索。本研究結果顯示，獲得延伸服務的病人其30 d非計劃再入院風險明顯低于未獲得延伸服務的病人，分析原因可能為：1）提供延伸服務可為病人在出院后的過渡期提供支持，包括定期電話咨詢、家訪、線上支持等方式，對病人進行持續(xù)的監(jiān)測和支持，可幫助病人發(fā)現癥狀復發(fā)的早期跡象，并及時采取干預行動，從而減少再入院的風險。2）延伸服務可加強病人對醫(yī)療建議和治療計劃的依從性，避免癥狀的復發(fā)和再入院，并為病人提供康復資源和社會支持，幫助他們恢復社會功能、建立社交關系，并提供職業(yè)培訓和就業(yè)支持等，從而盡快恢復病人的功能和社交能力，減少再入院的風險。聶佳慧等［20］研究也表明，對精神分裂癥病人提供有效的延續(xù)護理能降低院外復發(fā)率，與本研究結果一致。

3.2 基于Logistic回歸分析構建精神分裂癥病人30 d內非計劃再入院的列線圖風險預測

列線圖是一種圖表類型，通過柱狀圖和線形圖直觀地展示兩個或多個變量之間的關系和趨勢，通過直觀的圖形展示預測變量之間的關系和對預測結果的影響程度。相較于僅使用單一變量進行預測，列線圖能夠綜合考慮多個變量之間的相互作用和影響，從而提高預測的精度和準確性［21］。徐志勇等［22］為甲狀腺癌病人構建的復發(fā)列線圖風險預測模型顯示預測準確度高，且靈敏度與特異度較好。本研究基于Logistic回歸分析結果繪制的列線圖風險預測模型，能根據個體特征和不同的預測變量值進行個體化的預測，同時本研究采用H-L檢驗、AUC、臨床應用評估模型的預測性能和準確性，H-L檢驗結果顯示，χ2=4.561，P=0.683，表明該模型觀察到的30 d非計劃再入院發(fā)生率與實際發(fā)生情況符合度較高。同時采用C-index、校正曲線檢驗結果顯示，C-index為0.838，校準曲線斜率接近1。AUC能有效反映模型判定結果的準確率，當模型AUC≥0.80，可考慮在臨床應用。本研究構建模型的AUC為0.814，靈敏度為78.94%，特異度為97.18%，提示模型有較好的預測能力。最后以驗證集樣本計算模型預測準確率為83.33%，表明該模型預測準確率較高。

4 小結

本研究基于Logistic回歸分析結果明確精神分裂癥病人出院后30 d非計劃再入院的獨立危險因素，并構建列線圖預測模型，利于臨床醫(yī)護人員確定出院后具有較高非計劃再入院風險的病人亞群，為制定相應的監(jiān)測和管理對策提供有效依據。本研究由于條件限制，難以獲得足夠數量的樣本，影響結果的統(tǒng)計顯著性和泛化性，限制研究的可靠性和可行性。因此，未來還將繼續(xù)開展多中心研究，提高樣本量和數據的泛化性，增強研究的可靠性和推廣性，同時也將列線圖的智能性納入研究重點，以期為臨床評價精神分裂癥病人出院后30 d非計劃再入院風險的簡易性提供基礎。

參考文獻：

［1］ 王長虹，張偉平，呂路線，等.河南省精神障礙流行病學調查精神分裂癥流行情況分析［J］.中華精神科雜志，2020，53（1）：23-28.

［2］ 蔡清艷，張嵐，王鈺，李云歌.精神分裂癥患者再入院研究進展［J］.臨床精神醫(yī)學雜志，2019，29（5）：353-355

［3］ KAYA S，GUVEN G S，AYDAN S，et al.Patients′readinessfor discharge：predictors and effects on unplanned readmisions，emergency department visits and death［J］.J Nurs Manag，2018，26（6）：707-716.

［4］ 韓雪燕．北京市精神專科醫(yī)院患者再入院及其影響因素研究［D］.北京：北京協(xié)和醫(yī)學院，2020.

［5］ 范肖冬.ICD-10精神與行為障礙分類［M］.北京：人民衛(wèi)生出版社，1993：70-79.

［6］ 高永祥，張晉昕.Logistic回歸分析的樣本量確定［J］.循證醫(yī)學，2018，18（2）：122-124.

［7］ WEISS M，PIACEMINE L，ANCONA J，et al.Perceived readiness for hospital discharge in adult medical-surgical patients［J］.Clin Nurs Spec，2007，21（1）：31-42.

［8］ 俞吉，冉爍，徐玲.Morisky用藥依從性量表8條目在老年慢性病患者用藥評價中的應用［J］.臨床藥物治療雜志，2020，18（11）：63-66.

［9］ 肖水源.《社會支持評定量表》的理論基礎與研究應用［J］.臨床精神醫(yī)學雜志，1994，4（2）：98-100.

［10］ OVERALL J E，BELLER S A.The Brief Psychiatric Rating Scale（BPRS） in geropsychiatric research：I.factor structure on an inpatient unit［J］.Journal of Gerontology，1984，39（2）：187-193.

［11］ 王宏杰，孫艷平，朱陵群，等.精神分裂癥患者再住院相關因素分析［J］.慢性病學雜志，2022，23（8）：1201-1208.

［12］ 黨云皓，張輝，蘇艷麗，等.5次以上再入院精神分裂癥患者臨床特點分析［J］.臨床醫(yī)學研究與實踐，2019，4（12）：188-192.

［13］ 孫秀琪，劉西和，白麗莉，等.精神分裂癥患者再住院相關因素調查［J］.中國保健營養(yǎng)，2021，31（13）：244.

［14］ 江弋舟，張偉波，陳春梅，等.精神分裂癥復發(fā)的相關因素研究進展［J］.神經疾病與精神衛(wèi)生，2020，20（12）：869-874.

［15］ 王惠，李玲，嚴鷹，等.出院準備服務與男性精神分裂癥患者再入院率的關系研究［J］.實用臨床醫(yī)藥雜志，2020，24（9）：50-53.

［16］ 宋媛媛，朱曉丹，周永玲，等.服藥依從性對自知力與精神分裂癥復發(fā)的中介作用［J］.寧夏醫(yī)科大學學報，2022，44（6）：636-648.

［17］ 楊浩明，馬培棟，丁紅運.精神分裂癥患者服藥依從性和恢復期復發(fā)的影響因素及預防［J］.中國健康心理學雜志，2021，29（6）：816-821.

［18］ 路露，胡寧寧，蘆鴻雁，等.社會支持對老年患者非計劃性再入院影響的病例對照研究［J］.現代預防醫(yī)學，2018，45（20）：3727-3730.

［19］ 申良榮，張鴻雁，孫忠民，等.出院患者非計劃再入院影響因素分析［J］.中國衛(wèi)生質量管理，2018，25（5）：35-38.

［20］ 聶佳慧，沈妙莉，王菲，等.基于微信平臺的延續(xù)性護理對精神分裂癥患者預后的即時性與延時性影響分析［J］.上海護理，2022，22（6）：11-15.

［21］ 陶立元，張華，趙一鳴.列線圖的制作要點及其應用［J］.中華兒科雜志，2017，55（5）：323-323.

［22］ 徐志勇，馬曉良.甲狀腺癌患者術后復發(fā)風險預測的列線圖模型建立［J］.實用腫瘤學雜志，2021，35（1）：35-40.

（收稿日期：2023-09-20；修回日期：2024-07-30）

（本文編輯張建華）