慢性心力衰竭患者輕度認知障礙風險預測列線圖模型的構建及驗證

王娟娟 許小明 劉 寧 寧 彬 段永麗

1.安徽省阜陽市人民醫院心血管內科，安徽阜陽 236000；2.遵義醫科大學珠海校區護理學院，廣東珠海 519000

慢性心力衰竭（chronic heart failure，CHF）是由多種因素引起的心臟結構/功能改變，導致心臟充血/泵血能力下降的復雜臨床綜合征，輕度認知障礙（mild cognitive impairment，MCI）在CHF 患者中發生率為40%～60%[1-2]，可導致自我護理能力及依從性下降，再住院率及死亡風險增高[3]。對MCI 進行早期識別與干預，利于延緩甚至逆轉MCI 發展進程[4]。因此，對CHF 患者進行早期MCI 篩查，有助于改善其預后及不良健康結局。本研究通過建立CHF 患者MCI 預測模型，為臨床早期篩查提供參考依據。

1 對象與方法

1.1 樣本量

根據10 倍EVP（events per variable,）原則[5]，建模樣本至少200 例。CHF 的MCI 發生率為40%～60%[1-2]，利用PASS 15.0 軟件計算樣本量為271 例。綜合考慮，本研究建模組309 例，外部驗證組52 例，共361 例。

1.2 研究對象

選取2021 年1 月至9 月安徽省阜陽市人民醫院（以下簡稱“我院”）心血管內科309 例CHF 患者為建模組；2021 年10 月至12 月我院心血管內科52 例CHF 患者為外部驗證組。納入標準：①確診CHF[6]，心功能Ⅱ～Ⅳ級；②年齡≥18 周歲；③自愿參加并配合。排除標準：①不能理解問卷含義，不配合；②患重大疾病；③簡易精神量表（mini-mental state examination，MMSE）評分符合癡呆標準。本研究通過我院倫理委員會審核（〔2021〕4 號）。

1.3 研究方法

1.3.1 MCI 診斷標準

單個或多個認知領域受損；工具性生活能力受到輕微損害；未達到癡呆標準；符合蒙特利爾認知評估量表（Montreal cognitive assessment，MoCA）評定標準[7-9]。

1.3.2 研究工具

1.3.2.1 指標確定 運用文獻研究法，確定研究變量，制訂臨床信息登記表。

1.3.2.2 MMSE 包括語言表達、計算能力、時間及地點定向等評估領域，該量表Chronbach’sα 系數為0.833[10]。癡呆標準：文盲≤17 分，小學≤20 分，初中及以上學歷≤24 分。

1.3.2.3 MOCA 包括定向力、語言表達及視覺結構等評估領域，Chronbach’s α 為0.818[11]。本研究MCI 標準：文盲≤13 分，小學≤19 分，初中及以上學歷≤24 分[8，12]。

1.3.2.4 匹茲堡睡眠質量評定表（Pittsburgh sleep quality index，PSQI）由19 個自評項目和5 個他評項目組成，該量表Chronbach’s α為0.842。靈敏度98.3%，特異度90.3%[14]。總分21 分，得分越高，睡眠質量越差。睡眠質量：很好0～5 分，還行6～10 分，一般11～15分，很差16～21 分。

1.3.2.5 日常生活能力評定量表（activities of daily living，ADL）該量表Chronbach’s α 為0.87[13]。不能自理0 分；重度依賴≤40 分；中度依賴41～60 分；基本自理＞60分；完全自理100 分。

1.3.2.6 PHQ-9 抑郁篩查量表（patien health ques tion-9，PHQ-9）診斷重度抑郁癥的靈敏度和特異度＞80%，該量表Chronbach’s α 為0.8325[15]，可有效識別CHF 患者的抑郁[16]。抑郁程度：正常0～4 分，輕度5～9分，中度10～14 分，重度15～27 分。

1.3.2.7 Frail 虛弱量表 包括疲勞、耐力下降、行動受限、多病共存、體重減輕5 項，具備其中3 項及以上為虛弱。無虛弱0～1 分，虛弱前期2 分，虛弱3～5 分[17]。

1.3.2.8 實驗室衰弱指數（laboratory frailty index，FI-LAB）由入院后48 h 內實驗室數據及血壓構建而成[18]。衰弱程度：輕度＜0.25 分，中度0.25～＜0.40 分，重度≥0.40分。

1.3.2.9 Morse 評分 用于成人住院患者跌倒風險評估，靈敏度為75.74%，特異度為87.28%，準確度為83.43%[19]。低風險＜25 分，中風險25～45 分，高風險＞45 分。

1.4 統計學方法

采用SPSS 26.0 統計學軟件進行數據分析。符合正態分布的計量資料以均數±標準差（）表示，采用t 檢驗。不符合正態分布的計量資料以中位數和四分位數[M（P25，P75）]表示，采用Mann-Whitney U 檢驗。計數資料以例數或百分比表示，采用χ2檢驗。運用logistic 回歸建立模型，進行內外部驗證，并采用R 4.0.3繪制列線圖。以P＜0.05 為差異有統計學意義。

2 結果

2.1 建模組單因素分析

CHF 的MCI 發生率為64.8%。兩組年齡、文化程度、體重指數（body mass index，BMI）、婚姻狀況、新發心力衰竭、住院天數、甘油三酯、紅細胞、肌酐、尿素氮、膽固醇、白蛋白、低密度脂蛋白、β 受體阻滯劑、PSQI、ADL、Frail、Morse、FI-LAB 比較，差異有統計學意義（P＜0.05）。見表1。

2.3 建模組多因素分析

以有無MCI 為因變量，將單因素分析中差異有統計學意義（P＜0.05）的變量結合文獻回顧及專業知識，確定自變量納入多因素分析，相關賦值見表2。結果顯示，年齡、文化程度、PSQI 評分及Frail 評分為危險因素（OR＞1，P＜0.05）。Logit（P）=0.792×年齡-0.303×BMI+1.714×文化程度-0.04×吸煙+0.233×飲酒+0.401×PSQI-0.489×ADL+0.601×Frail+0.578×Morse+0.136×FILAB+0.468×葡萄糖-0.829×膽固醇-7.807。見表3。

表2 自變量賦值

表3 建模組logistic 回歸

2.4 CHF 患者MCI 風險預測列線圖模型

根據多因素分析結果，運用R 4.0.3 建立CHF 患者MCI 風險預測列線圖模型。見圖1。

圖1 CHF 患者MCI 風險預測列線圖模型

2.5 預測模型的驗證

2.5.1 內部驗證

運用R 4.0.3 軟件，采用K 折交叉驗證法（K=10），廣義決定系數均值為0.99，提示模型預測準確性較高。

2.5.1.1 區分度AUC=0.840（95%CI：0.740～0.940）（P＜0.05），Youden 指數=0.480，靈敏度為0.730，特異度為0.750，提示模型預測真實度佳。見圖2。

圖2 建模組ROC 曲線

2.5.1.2 校準曲線中，Apparent 線（擬合線）與Ideal 線（理想曲線）基本重合，提示模型擬合度佳；Bias-corrected 線（精度線）靠近Ideal 線，提示模型預測能力良好。見圖3。

圖3 建模組校準曲線

2.5.2 外部驗證

2.5.2.1 區分度AUC=0.876（95%CI：0.781～0.970）（P＜0.05），Youden 指數=0.684，靈敏度為0.743，特異度為0.941，提示模型預測效果良好。見圖4。

圖4 外部驗證組ROC 曲線

2.5.2.2 校準度 H-L 檢驗P=0.448（P＞0.05），提示實際概率與預測概率差異無統計學意義（P＞0.05），擬合度佳。見圖5。

圖5 外部驗證組校準圖

3 討論

本研究CHF 的MCI 發生率為64.8%，高于卜曉佳等（37.8%）[20]，低于陳嘯等（78.9%）[21]，可能與研究對象的年齡及文化程度相關。本研究小學及以下學歷占67%，≥70 歲占70.4%；而卜曉佳等[20]研究對象52.8%具有中專及以上文化程度，年齡（63.8±9.4）歲；陳嘯等[21]研究對象教育年限（8.79±1.85）年、年齡（81.2±6.7）歲，故MCI 檢出率有差異。

本研究＜70 歲的CHF 患者MCI 發生率（44.8%）顯著低于≥70 歲（73.3%），與既往研究相似[22-25]，提示MCI 發生率與年齡呈正相關，提示關注高齡CHF 患者的認知狀況。

與既往研究結果[26]不同的是，文化程度與MCI 發生率呈正相關。本研究年齡≥70 歲（70.4%）的CHF患者，在文盲中占比67.4%，在小學學歷中占比77.0%，在初中及以上學歷中占比62%，故此結果可能與研究人群年齡結構、文化程度偏低且分布不均衡相關。本研究77%的CHF 患者存在睡眠障礙，其中MCI 者睡眠障礙發生率明顯高于無MCI 者[27]，提示關注CHF患者的睡眠質量。衰弱在CHF 中發生率較高[28]，且與MCI顯著相關[29]。MCI 與早期衰弱均具有一定可逆性，提示對CHF 的MCI 與衰弱進行早期發現及干預。

本研究內外部驗證結果顯示，該模型預測能力良好，有助于早期識別MCI 高危患者，為臨床提供科學的參考依據。