中青年冠心病病人急性心肌梗死列線圖模型的構建及驗證

李 蕊,吳 越,趙麗娟,路 燦,宋 紅

冠心病是指冠狀動脈粥樣性硬化,造成冠狀動脈血液供應不足。衛生調查數據顯示,我國冠心病患病率高達27.8%[1]。急性心肌梗死(acute myocardial infarction,AMI)是指冠狀動脈急性的狹窄或閉塞,導致心肌嚴重缺血及壞死,是冠心病死亡的主要原因,且90%的AMI是由冠心病發展而來[2-3]。中青年作為社會和家庭的核心和骨干,其身體狀況將直接影響到社會和家庭。數據顯示,中青年AMI的患病率正逐步上升,已對中青年健康構成威脅[4-5]。對中青年冠心病有AMI高危風險的病人及時進行干預,減少AMI的發生、減輕家庭和社會的壓力是亟需解決的問題。

列線圖是臨床預測模型的另一種圖形表示方式。跟評分系統一樣,是基于個體預測變量的數值來計算得分,根據得分計算某事件或生存概率的風險。列線圖與其他預測模型相比,具有直觀、使用簡便等優勢。目前,列線圖模型已廣泛應用于醫學疾病的預測[6]。本研究通過分析708例冠心病病人的臨床資料,構建AMI風險列線圖模型并完成驗證,以期指導臨床護士針對心肌梗死高危人群進行及時的干預和宣教,減少AMI的發生。

1 對象與方法

1.1 研究對象 采用便利抽樣的方法,選取2020年12月—2022年4月就診于本院心血管內科的885例冠心病病人為研究對象。納入標準:①符合冠心病診斷標準;②年齡18～59歲;③病人(家屬)知情同意,自愿參加。排除標準:①合并其他器官創傷、休克等;②合并其他疾病,如惡性腫瘤、血液疾病;③精神疾病,溝通障礙。本研究已通過本院倫理委員會審批(批件號[2020]121002)。

1.2 研究方法

1.2.1 分組方法 嚴格按照納入與排除標準選擇入組對象。根據建模組入院時是否發生AMI分為急性心肌梗死組和冠心病組。AMI診斷及相應處理參照中國醫師協會《急性冠狀動脈綜合征急診快速診療指南》進行診治。

1.2.2 影響因素確定 通過查閱文獻和專家討論確定影響因素。包括病人的年齡、性別、低密度脂蛋白膽固醇(LDL-C)、是否患有高血壓、是否患有糖尿病、是否服用預防用藥、是否吸煙、是否熬夜、冠心病陽性家族史(指兩系三代中有冠心病病史)、性格類型10個方面進行比較。

1.2.3 樣本量計算 本研究通過前期查閱文獻,專家討論共納入10個因素,每個因素至少需要有5～10例病人進行驗證。根據研究,中青年冠心病病人中心肌梗死發生率6.28%,同時假設脫落率為10%,預計樣本量為:(10×5)/0.062 8/(1-10%)=885,其中建模組占80%,則n=885×80%=708(例),驗證組占20%,n=885×20%=177(例)。

1.2.4 概念界定及評估工具

1.2.4.1 熬夜 將23:00點后因具體事務(工作、學習、游戲等)、自愿或非自愿的情況下仍未進入睡眠狀態的現象定義為熬夜[8]。習慣性熬夜定義為強迫性的習慣性熬夜行為,指每周不少于4 d存在熬夜行為。本研究定義:不熬夜是≤每周1 d,偶爾熬夜是每周2 d或3 d,熬夜每周≥4 d。

1.2.4.2 性格類型 采用全國心身醫學協作組編制的A型行為問卷(TABPQ)[9]。問卷分3個部分:時間緊迫感(TH)、競爭與敵意(CH)、掩飾(L)。根據TH和CH計分,若L≥7分為無效問卷。按所得分值對行為類型分型:將29～50分合并定義為A型人格,1～28分合并定義為B型人格。

1.2.5 質量控制 嚴格按照納入與排除標準選擇研究對象,對實施評估的護理人員進行問卷的培訓和考核,合格后進行評估。問卷一般在病人入組后發放,由病人獨立填寫。對文字讀寫障礙的冠心病病人,由責任護士用同一語氣在會議室協助完成填寫,在保證隱私的情況下,確保每份TABPQ評估量表可以表示病人性格分型。

2 結果

2.1 入組病人的一般資料分析 本研究建模組共納入708例冠心病病人的一般臨床資料,年齡26～59(50.69±7.85)歲,其中女175例,男533例。納入的708例冠心病病人中,有46例發生AMI入院(急性ST段抬高型心肌梗死31例,急性非ST段抬高型心肌梗死15例),AMI發病率為6.49%,現將708例病人分為急性心肌梗死組和冠心病組(未發生AMI),一般臨床資料具體見表1。

表1 708例冠心病病人一般資料

2.2 單因素及各影響因素間交叉分析 回收數據分為分類數據變量和計量數據變量,計量數據經正態性檢驗后,采用Pearson相關分析,分類數據進行賦值后列表采用χ2檢驗交叉分析。單因素分析結果顯示:LDL-C高、高血壓、冠心病陽性家族史、熬夜及A型性格成為AMI獨立危險因素。此外,吸煙及服用預防類藥物也在一定程度上影響冠心病心肌梗死的發生,在有限的樣本內未體現出統計學差異。

現將分類數據變量進行賦值如下:性別(男=1,女=0)、患高血壓(有=1,無=0)、患糖尿病(有=1,無=0)、LDL-C(≥ 4.14 mmol/L=2,3.37～4.13 mmol/L=1,<3.37 mmol/L=0)、吸煙(是=1,無=0)、熬夜(是=2,偶爾=1,否=0)、冠心病陽性家族史(有=1,無=0)、性格類型(A型=2,M型=1,B型=0)、服用預防用藥(是=2,不規律服用=1,否=0)。將建模組病人的臨床樣本資料,對各影響因素使用χ2檢驗交叉分析。交叉分析結果顯示:年齡與熬夜、性別與吸煙、LDL-C與吸煙之間在10%的水平上顯著(0.05

2.3 多因素回歸分析 以急性心肌梗死為因變量,以單因素分析中P<0.2的變量為自變量,賦值同上,進行多元逐步回歸分析。最終進入和剔除回歸方程的僅分別為0.05和0.01。具體見表2。

表2 冠心病病人AMI風險預測回歸分析

2.4 構建中青年冠心病病人AMI風險預測模型 根據多元回歸分析數據,將分類數據賦值:熬夜=X1;LDL-C=X2;高血壓=X3;性格類型=X4;服用預防藥物=X5;吸煙=X6;冠心病家族史=X7。賦值后構建風險預測模型如下:Z=2.688+0.638X1+0.552X2+0.194X3+0.430X40.505X5+0.513X6+0.362X7。并繪制中青年冠心病病人發生心肌梗死的列線圖,賦值同上,見圖1。

圖1 中青年冠心病病人AMI風險預測模型列線圖

2.5 驗證中青年冠心病病人AMI風險預測模型 驗證組最終納入177例心內科就診冠心病病人。將入組病人進行心肌梗死風險預測,與實際心肌梗死發生進行比較。驗證組外部驗證:繪制ROC曲線,該預測模型的ROC曲線下面積為0.862[95%CI(0.806,0.923)],靈敏度為93.1%,特異度為56.4%,最大Youden指數0.644,見圖2。結果表明:該模型靈敏度較高可以較好地識別出高風險人群,可以用于臨床。但模型的特異度不高,可能會在一定程度上增加假陽性人群的識別。

圖2 中青年冠心病病人AMI預測模型ROC曲線圖

3 討論

3.1 冠心病病人AMI發病率較高 據美國研究數據估計,到2035年50%的成年人患有某種形式的心臟病,大約72萬人將因AMI首次住院,其中7.4人中有1人將死于AMI[10]。我國心血管病死亡率近年來持續居首位,高于腫瘤和其他疾病。《中國心血管病報告2018》[11]指出:據推算我國心血管病現患人數已達到2.9億例,其中冠心病人數1 100萬。本研究共納入885例冠心病病人,其中,建模組708例,驗證組177例。建模組冠心病病人發生AMI人數46例,驗證組冠心病病人發生AMI人數10例,發病率與之前研究基本持平,在冠心病病人中發病率較高。

3.2 熬夜、吸煙、LDL-C高、未使用預防藥物、高血壓、冠心病陽性家族史、A型性格成為AMI危險因素 LDL-C、高血壓、家族史、熬夜及性格類型、吸煙及服用預防類藥物成為冠心病AMI的影響因素。中國47.1%的冠心病病人睡眠質量較差,睡眠質量差預示著病人在6個月內身體健康功能下降[13]。熬夜是主觀的較差睡眠質量的代表。除導致各種心律失常的發作,還會引發代謝綜合征,引起血壓、血糖和血脂異常。此外,熬夜引起各種炎性因子水平升高,炎性因子升高會加速動脈粥樣硬化的發生和發展,進而誘發不穩定斑塊破裂,導致心源性猝死[14]。國內外研究結果基本一致,個體睡眠問題的頻率與AMI風險之間也存在著正相關關系,熬夜與91.3%的冠心病急性發病風險相關[15]。此外。吸煙導致血管硬化,35歲以下冠心病病人吸煙引發心肌梗死的概率比戒煙者高出3倍[16]。作為臨床護士,在冠心病病人的健康教育上,一方面應著重睡眠質量的相關知識培訓及熬夜的危害,減少冠心病非必要主觀熬夜人群及次數,另一方面應強調戒煙的危害性和必要性,以減少AMI的發生。

在中國首發AMI病人中,LDL-C處于較高水平。A型性格及冠心病陽性家族史是AMI的危險因素[18],服用預防類藥物,如阿司匹林是AMI的保護因素。本研究證實較高的LDL-C水平是AMI的獨立危險因素,且相對危險度增加0.552,國外研究也證實AMI發生率與LDL-C高度相關。因此,對于LDL-C較高的冠心病病人,健康宣教方面除應強調嚴格的低鹽低脂飲食外,還應根據醫囑增加預防類藥物的使用。

綜上所述,作為臨床護士,對于有冠心病陽性家族史、高血壓的冠心病病人,且LDL-C居高不下時,應進行健康指導,包括適當限制攝鹽量、脂類及蛋白,戒煙戒酒,遵醫囑口服預防類藥物及他汀類藥物調脂穩定斑塊相關治療,并定期進行復查。此外,護理人員應適當地引導病人養成平和的心境,遇事不沖動急躁,積極改善睡眠狀況,避免熬夜等。

3.3 中青年冠心病病人AMI風險預測模型具有較好的適用性 本研究采取ROC曲線進行檢驗,通常曲線下面積為0.7～0.8時,表示模型有一定的預測價值;當曲線下面積為0.8～0.9時,表示模型有較好的預測價值。本研究構建的AMI風險預測模型均有較好的預測價值,且靈敏度較高,能夠較好地篩查高危人群。因該模型是為了識別心肌梗死高風險人群,通過健康教育改善不良生活習慣,進而規避心肌梗死風險,雖在一定程度上造成假陽性高風險病人的增加,但識別真陽性高風險病人的能力較高,可以在一定程度上減少心肌梗死的發生,因此該模型較為可靠,可以應用于臨床。

3.4 本研究的局限性 本研究在設計之初,通過文獻檢索結合專家咨詢的方法找出可能影響冠心病病人發生心肌梗死的影響因素,可能會造成影響因素的遺漏。驗證模型階段,構建的模型特異度不高,可能會識別假陽性的病人,一定程度上會浪費醫療資源、造成病人無端的恐慌和焦慮。此外,在收集資料過程中,因詢問病史過程中,醫生多數未在單獨會議室采集病史,可能研究對象有意夸大或縮小某些信息,增加了報告偏倚風險。

4 小結

本研究構建的冠心病病人AMI風險預測模型簡單易行,預測效果較好,可為識別高危病人及及時干預策略提供指導。