陳敏,鄭偉琴,陳華,蔡文智,陳玲,蘇丹,萬星陽
(1.深圳市寶安區福永人民醫院 肛腸科,廣東 深圳518103;2.南方醫科大學深圳醫院,廣東 深圳518102;3.中山大學附屬第六醫院 肛腸科,廣東 廣州510000)
據報道,60%的糖尿病自主神經病變患者存在便秘現象, 此類患者由于排便不暢可能引起腹脹腹痛、痔瘡、感染、肛裂等不適,嚴重影響其正常治療和健康水平,加重醫療經濟負擔[1-2]。 有部分患者由于用力排便時血壓水平驟升,可導致血管破裂引起視網膜出血從而迅速造成失明,或心臟及腦供血不足引起急性心肌缺血或腦缺血,極大的增加了患者的致死率和致殘率[3]。目前國內2 型糖尿病患者便秘發生情況的研究,大多側重于研究其發病原因[4-5],鮮有關于建立預測2型糖尿病患者發生便秘風險預測模型的單項研究。本研究擬在單因素和Logistic 回歸多因素分析的基礎上建立預測2 型糖尿病患者發生便秘的風險列線圖預測模型,旨在為臨床對2 型糖尿病患者發生便秘的篩查和及早干預提供一定的參考和依據。
1.1 研究對象 采用回顧性分析, 選取2018 年12月—2019 年12 月于我院內分泌門診就診的2 型糖尿病患者作為研究對象。納入標準:(1)符合《中國2 型糖尿病防治指南(2017 年版)》[6]中的診斷標準;(2)年齡≥18 歲。 排除標準:(1)有嚴重器質性病變或免疫系統疾病;(2)有精神病史;(3)孕婦和哺乳期婦女;(4)患有對胃腸道功能有影響的疾病;(5)有腸道手術史;(6)病歷及臨床資料不完整或無法自行完成量表者。
1.2 研究方法 收集既往文獻中報道中便秘的危險因素[7-8],結合專家意見自行設計便秘風險因素調查表,包括3 個部分。(1)患者基本信息,包括性別、年齡、病程、身體質量指數(body mass index,BMI)、文化程度;(2)既往史,包括有無吸煙史、有無酗酒史、有無高血壓、有無高血脂、有無冠心病;(3)其他資料,包括每周運動時間、血糖控制水平、有無補充鈣劑、有無自服通便藥、有無焦慮抑郁情緒。 以HbA1c≤7%為血糖控制良好,HbA1c 水平>7%為血糖控制不佳[9];以漢密爾頓抑郁量表(Hamilton Depression Scale,HAMD)和漢密爾頓焦慮量表(Hamilton Anxiety Scale,HAMA)作為患者焦慮或抑郁情緒的判定標準[10],在患者于門診就診期間完成HbA1c 測定和量表評價。
1.3 統計學方法 采用SPSS 22.0 分析數據,計數資料采用頻數、率描述,不同特征2 型糖尿病患者便秘發生情況的組間比較采用卡方檢驗, 將單因素分析差異有統計學意義的變量納入二分類Logistic 回歸分析進行獨立影響因素的篩選。采用R(R3.5.3)軟件包和rms程序包建立列線圖模型, 用Bootstrap 法重復抽樣1000 次做內部驗證, 分別采用H-L 擬合優度檢驗和ROC 曲線評估原列線圖模型和內部驗證后的列線圖模型的校準度和區分度。 檢驗水準α=0.05。
2.1 本組2 型糖尿病患者發生便秘影響因素的單因素分析 320 例2 型糖尿病患者中, 根據照2019年更新的中國慢性便秘診斷標準[11],131 例發生便秘, 發生率為40.9%。 將本組研究對象分為便秘組(n=131)和非便秘組(n=189)。 將本組2 型糖尿病患者按性別、年齡、病程、BMI、文化程度、有無有吸煙史、有無酗酒史、有無高血壓、有無高血脂、有無冠心病、每周運動時間、血糖控制水平、有無補充鈣劑、有無自服通便藥及有無焦慮或抑郁情緒分組,比較其便秘發生情況。 結果顯示,不同年齡、每周運動時間、血糖控制水平、有無補充鈣劑、有無自服通便藥及有無焦慮或抑郁情緒2 型糖尿病患者,其便秘發生情況比較,差異均有統計學意義(P<0.05)。 見表1。

表1 不同特征2 型糖尿病患者便秘發生情況的比較(例)
2.2 本組2 型糖尿病患者便秘發生情況影響因素的二分類Logistic 回歸分析 以是否發生便秘為因變量(0=未發生;1=發生),以單因素分析中有統計學意義的6 個項目(年齡、每周運動時間、血糖控制水平、有無補充鈣劑、有無自服通便藥及有無焦慮或抑郁情緒) 為自變量, 進行二分類Logistic 回歸分析。結果顯示:年齡≥60 歲(OR=2.482,95%CI:1.450~4.248)、每周運動時間<2 h(OR=2.653,95%CI:2.653)、血糖控制水平不佳(OR=2.901,95%CI:1.535~5.483)、補充鈣劑(OR=3.333,95%CI:1.897~5.856)、自服通便藥(OR=3.328,95%CI:1.952~5.674)及焦慮抑郁情緒(OR=2.921,95%CI:1.677~5.089)是2 型糖尿病患者發生便秘的危險因素(P<0.05)。 見表2。
2.3 預測2 型糖尿病患者發生便秘的列線圖風險模型的建立
2.3.1 2 型糖尿病患者便秘風險預測模型的列線圖的建立 依據Logistic 回歸分析結果, 通過R 軟件繪制預測2 型糖尿病患者發生便秘風險的列線圖模型,見圖1。 根據繪制出的列線圖模型,各條評分線段左側端點均對應為0 分, 右側端點自年齡指標起依次為76 分、81 分、88 分、100 分、100 分和90 分,列線圖模型評分增加, 相對應的2 型糖尿病患者便秘發生風險上升。

圖1 預測2 型糖尿病患者發生便秘風險的列線圖模型
2.3.2 2 型糖尿病患者便秘風險預測模型的列線圖的驗證 采用計算機模擬重復采樣法(Bootstrap 法)對列線圖模型進行內部驗證, 原始數據重復抽樣1 000 次后采用H-L 偏差度檢驗和ROC 曲線下面積評估列線圖模型的預測偏差水平和區分度, 其中H-L 偏差度檢驗結果為χ2=5.183(P=0.486),提示模型具有較好的預測準確度,見圖2;ROC 曲線下面積提示:AUC=0.795(95%CI:0.770~0.820),提示列線圖模型具有較好的區分度,見圖3。

圖2 列線圖模型預測2 型糖尿病患者發生便秘風險的驗證

圖3 列線圖模型預測2 型糖尿病患者發生便秘的ROC 曲線
3.1 本組2 型糖尿病患者發生便秘的影響因素分析 本研究結果顯示, 年齡≥60 歲、 每周運動時間<2 h、血糖控制水平不佳、補充鈣劑、自服通便藥及有焦慮或抑郁情緒是2 型糖尿病患者發生便秘的危險因素(P<0.05);與竇迎春等[13]的研究結果一致。究其原因, 老年患者隨著年齡的增長腸道蠕動功能減退,胃腸和胰腺的消化酶分泌減少,參與排便的肌肉張力變低,造成排便時間、間隔時間延長,長期會導致腸道內大便水分被吸收過多,難以排出。且糖尿病老年患者由于病程較長, 發生自主神經病變累及消化系統的概率更大,從而更易誘發便秘[14]。 每周運動時間<2 h 的患者發生便秘的概率更大, 究其原因, 體育鍛煉和活動量相對較少的糖尿病患者腸蠕動功能會有所減弱,易造成排便腹壓不足,從而引起便秘[15]。 血糖水平控制不佳的糖尿病患者由于血糖過高,會通過滲透作用排出過多水分,可導致糞便不能被充分軟化產生硬結,易發生便秘。 同時,長期的高血糖狀態會造成植物神經功能損害, 可誘發腸道自主神經功能紊亂,腸蠕動減慢,且進食后不能引起胃-結腸反射,均可導致便秘[16]。 骨質疏松是糖尿病常見的并發癥,此類患者常需要補充鈣劑。鈣爾奇等鈣劑中所含的碳酸鈣在胃酸作用下, 最終會形成磷酸鈣,直接抑制腸道蠕動引起便秘。部分便秘患者為追求短時間內生活質量自行購服通便藥物, 便秘時即服用,此類藥物多含有大黃、番瀉葉等刺激成分,患者可由于濫用瀉藥, 壁內神經細胞為對抗瀉藥的反復刺激會降低腸壁應激性,導致腸道松弛,一旦停藥便難以適時引起排便反射, 從而更易造成頑固性便秘[17]。此外,2 型糖尿病多數病程較長,患者因健康水平下降、經濟負擔加重等因素可能會出現焦慮、抑郁等情緒,這些情緒可引起排便肌肉不協調運動,胃腸道功能紊亂,導致腸蠕動呈抑制狀態。 同時,Skoranski等[18]報道抑郁癥狀會惡化胰島素抵抗并加速2 型糖尿病的發展,使得胃腸道自主神經病變的概率增大,從而更易導致便秘的發生。
3.2 預測2 型糖尿病患者發生便秘的列線圖模型建立及護理干預 列線圖是一種用于預測某一臨床事件概率的可視化圖形[19],本研究建立了預測2 型糖尿病患者發生便秘的列線圖模型,并經H-L 偏差度檢驗和ROC 曲線下面積評估表明該模型具有較好的預測準確度和區分度。臨床人員可運用列線圖,根據每項危險因素的賦分求和來準確預測便秘的發生率,以此篩查高風險患者。 具有可視化、連續性優勢的列線圖在應用過程中,有利于醫護人員根據模型中各單項指標的不同狀態水平對患者的便秘發生風險進行動態評估,并以降低總分值為目標制定相應的護理干預措施。 列線圖中顯示年齡≥60 歲為76 分,每周運動時間<2 h 為81 分,臨床應增強老年糖尿病患者的便秘自我防護意識,鼓勵其進行適當的有氧運動,以增加自身體質和腸蠕動。 同時,血糖控制水平不佳為88 分,提示醫護應指導2 型糖尿病患者遵醫囑使用胰島素和口服降糖藥,以良好地控制血糖水平。 補充鈣劑和自服通便藥對2 型糖尿病患者便秘的影響均高達滿分,由此護理人員應對糖尿病患者進行濫用藥物的危害宣教,叮囑患者不得自購亂服藥物,并耐心指導有需要的患者補充鈣劑和使用通便藥。 焦慮或抑郁情緒對2 型糖尿病患者便秘的影響也高達90 分,護理人員應善于主動與患者溝通,對有焦慮抑郁等不良情緒的患者進行心理疏導,宣教心理健康對疾病良好轉歸的重要性,鼓勵患者保持良好的情緒[19]。
綜上所述,年齡≥60 歲、每周運動時間<2 h、血糖控制水平不佳、補充鈣劑、自服通便藥及焦慮抑郁情緒是2 型糖尿病患者發生便秘的危險因素。 本研究建立的風險列線圖模型具有可靠的預測價值,有利于醫務人員篩查高風險患者和制定針對性的護理干預措施。 本研究的不足之處在于,樣本量有限,且回顧性隊列中的患者均來自單中心, 無法避免潛在的選擇性偏差,尚需納入更大的樣本量、多中心、前瞻性研究進一步驗證。