高齡流產孕婦預期性悲傷變化軌跡及核心影響因素決策樹分析

王 瑩，馬 艷，張運磊，高 原，張莉潔，高大杰

太和縣人民醫院，安徽 236600

高齡孕婦是指妊娠年齡不低于35 歲的孕婦，其錯過了最佳生育年齡[1]，生育風險與年輕孕婦相比較大。近年來，我國高齡孕婦數量不斷增加，為家庭、醫療機構及社會帶來沉重壓力和巨大挑戰[2]。部分意外懷孕但無意愿生育的高齡孕婦會選擇自然流產或手術流產[3-4]。手術流產是指通過手術方式終止妊娠，主要包括人工流產鉗刮術和人工流產后刮宮術，二者皆具有較好的流產效果[5-6]。高齡孕婦人工流產后容易出現內心傷痛[7]，相關研究顯示，不同心理承受能力的人群在經過手術、創傷或者喪親等事件時可表現出不同軌跡[8]，然而目前有關高齡流產孕婦預期性悲傷變化軌跡的研究尚未檢索到。探討高齡流產孕婦預期性悲傷變化軌跡及核心影響因素，有利于提升醫療資源利用率。決策樹模型能夠較好地預測不良事件發生率[9]。基于此，本研究擬探索高齡流產孕婦預期性悲傷變化軌跡的影響因素及其發展軌跡，并構建相關決策樹模型，旨在為高齡流產孕婦的臨床管理工作提供理論依據。

1 對象與方法

1.1 研究對象

采用便利抽樣法，選取2022 年1 月—2022 年10 月在我院門診治療的106 例高齡流產孕婦為研究對象。納入標準：1）年齡≥35 歲；2）單胎妊娠；3）成功完成流產手術；4）能夠與醫護人員正常溝通；5）孕婦及家屬知情同意參與本研究并已簽署知情同意書。排除標準：1）合并子宮肌瘤、子宮內膜息肉等；2）合并自身免疫性疾病；3）合并傳染性疾病；4）合并嚴重心腦血管疾病；5）有毒物接觸史；6）曾經服用過保胎藥物。本研究已通過我院倫理委員會批準，符合《赫爾辛基宣言》中相關要求。

1.2 調查工具

1）一般資料調查表：研究者根據研究目自行設計一般資料調查表，內容包括年齡、文化程度、體質指數（BMI）、居住地、家庭人口數、家庭人均月收入、手術方式、民族、主要照顧者、宗教信仰、術后并發癥（感染、流產后不全流產及不孕等）。2）預期性悲傷量表：由周霜等[10]進行漢化和修訂，包括完成任務能力、焦慮感、內疚感、易怒感、憤怒感、失去感及悲傷感7 個維度，共27個條目，總分27～135分，得分越高表示預期性悲傷越嚴重。

1.3 調查方法

高齡流產孕婦術前在門診采用線下調研的方式進行問卷調查，由2 名調查人員現場發放與回收問卷。問卷發放前對孕婦認真講解研究目的、意義及填寫注意事項，向孕婦承諾對數據進行保密，調查結果僅用于本研究，孕婦根據自身意愿匿名填寫。當孕婦對問卷內容存在疑問時，調查人員仔細解答，但不能對孕婦選擇意愿進行干預。問卷填寫完成后仔細檢查問卷，剔除規律作答及漏項超過10%的問卷。本次研究共發放130 份問卷，回收125 份問卷，剔除規律作答及漏項超過10%的問卷，最終剩余111 份問卷，問卷回收有效率為88.80%（111/125）。

高齡流產孕婦門診手術術后1 周、術后2 周及術后1 個月時采用線上（電話、微信）調研的方式進行問卷調查，失訪5 例，最終獲得106 例高齡流產孕婦資料。

1.4 統計學方法

采用SPSS 24.0 軟件進行數據分析，定性資料以頻數表示，組間比較采用χ2檢驗。采用Mplus 軟件潛變量數據模型分析高齡流產孕婦預期性悲傷變化軌跡類型，模型的擬合效果依據赤池信息準則（AIC）、貝葉斯信息準則（BIC）、校正貝葉斯信息準則（aBIC）、熵、基于Bootstrap 的似然比檢驗（BLRT）、羅蒙戴爾魯本校正似然比檢驗(LMRT)及類別概率等進行評估。采用Logistic 回歸分析探討高齡流產孕婦預期性悲傷的影響因素。采用SPSS Modeler 軟件構建高齡流產孕婦預期性悲傷的決策樹模型，并應用R 4.2.1 軟件繪制Logistic 回歸模型和決策樹模型的受試者工作特征（ROC）曲線。以P＜0.05 為差異有統計學意義。

2 結果

2.1 高齡流產孕婦預期性悲傷軌跡類型的識別與確定

以高齡流產孕婦門診術前、術后1 周、術后2 周及術后1 個月各時段的預期性悲傷評分作為觀測指標，將106 例高齡流產孕婦納入模型進行分析，從潛類別增長模型中提取1～5 個類別。當潛類別數量從1 增至2 時，AIC、BIC 以及aBIC 均下降；當潛類別數量從2 增至5 時，BIC 持續增加，AIC、aBIC 先下降后上升，熵降低。根據模型中擬合優良的模型，最終保留2 個類別，其中下降緩慢組（51 例，占48.11%）高齡流產孕婦預期性悲傷評分相對較高，且門診術前、術后1 周、術后2周及術后1 個月各時段預期性悲傷評分下降緩慢；下降快速組（55 例，占51.89%）高齡流產孕婦預期性悲傷評分開始處于中等水平，但門診術前、術后1 周、術后2 周及術后1 個月各時段預期性悲傷評分下降較明顯。詳見表1、圖1。

圖1 高齡流產孕婦預期性悲傷變化軌跡圖

表1 高齡流產孕婦預期性悲傷變化軌跡的模型擬合分析

2.2 高齡流產孕婦預期性悲傷影響因素的單因素分 析（見表2）

表2 高齡流產孕婦預期性悲傷影響因素的單因素分析 單位：例

2.3 高齡流產孕婦預期性悲傷的Logistic 回歸分析及決策樹模型

將高齡流產孕婦預期性悲傷情況作為因變量，將高齡流產孕婦預期性悲傷影響因素的單因素分析中差異有統計學意義的因素（文化程度、居住地、家庭人均月收入、主要照顧者及術后并發癥）作為自變量，構建決策樹模型，決策樹模型共5 層、13 個節點，模型選擇了文化程度、主要照顧者、居住地、家庭人均月收入及術后并發癥5 個臨床特征作為模型節點，文化程度是其中最重要的預測因子。進行高齡流產孕婦預期性悲傷的Logistic 回歸分析，結果顯示，文化程度、居住地、家庭人均月收入、主要照顧者及術后并發癥是高齡流產孕婦預期性悲傷的影響因素（P＜0.05）。變量賦值方式見表3，高齡流產孕婦預期性悲傷的決策樹模型見圖2。高齡流產孕婦預期性悲傷的Logistic 回歸分析結果見表4。

圖2 高齡流產孕婦預期性悲傷的決策樹模型

表3 變量賦值方式

表4 高齡流產孕婦預期性悲傷的Logistic 回歸分析結果

2.4 高齡流產孕婦預期性悲傷的Logistic 回歸模型及決策樹模型比較

高齡流產孕婦預期性悲傷決策樹模型的ROC 曲線下面積（AUC）為0.838[95%CI（0.756，0.919）]，高齡流產孕婦預期性悲傷Logistic 回歸模型的AUC 為0.838[95%CI（0.756，0.919）]。Logistic 回 歸 模 型 見 圖3，決策樹模型見圖4，Logistic 回歸模型和決策樹模型的分類效果比較見表5。

圖3 Logistic 回歸模型

圖4 決策樹模型

表5 Logistic 回歸模型和決策樹模型的分類效果比較

3 討論

3.1 高齡流產孕婦預期性悲傷變化軌跡

預期性悲傷是指當個體預感到某種即將出現的喪失而產生的內心悲傷[11]。對于高齡流產孕婦而言，失去孩子、擔心流產手術后出現各種并發癥，均易導致其出現預期性悲傷。預期性悲傷會造成高齡流產孕婦社會、行為、心理及生理等方面的不適，進而影響高齡流產孕婦生活質量[12]。手術病人大多存在預期性悲傷[13]。但目前有關預期性悲傷的研究多集中在癌癥方面[14]，關于高齡流產孕婦預期性悲傷變化軌跡研究尚未檢索到。本研究對高齡流產孕婦預期性悲傷變化軌跡進行分析，識別出2 條高齡流產孕婦預期性悲傷變化軌跡，其中下降緩慢組高齡流產孕婦（占48.11%）預期性悲傷評分相對較高，且術后1 周、術后2 周及術后1 個月各時段預期性悲傷評分下降緩慢；下降快速組高齡流產孕婦（占51.89%）預期性悲傷評分開始處于中等水平，但術后1 周、術后2 周及術后1 個月各時段預期性悲傷評分下降較明顯。預期性悲傷是影響高齡流產孕婦健康行為的重要因素之一，高水平的預期性悲傷會阻礙高齡流產孕婦身心健康的恢復；低水平的預期性悲傷有利于高齡流產孕婦心理狀態的改善。因此，醫護人員需結合高齡流產孕婦預期性悲傷水平給予針對性干預，重點關注預期性悲傷下降緩慢的高齡流產孕婦，加強隨訪期間護理，適當給予高齡流產孕婦心理疏導，削減其預期性悲傷；預期性悲傷下降快速的高齡流產孕婦具有相對較強的適應能力，在隨訪期間可給予適當支持，促進其預期性悲傷進一步降低。

3.2 高齡流產孕婦預期性悲傷的影響因素

本研究Logistic 回歸分析結果顯示，文化程度、居住地、家庭人均月收入、主要照顧者及術后并發癥是高齡流產孕婦預期性悲傷的影響因素（P＜0.05）。1）文化程度可影響預期性悲傷水平[15]，文化程度較低的高齡流產孕婦預期性悲傷下降相對緩慢，其認知水平總體較低，較為感性，預期性悲傷容易保持在較高水平，而文化程度較高的高齡流產孕婦認知水平相對較高，更可能積極獲取流產相關信息。2）農村的高齡流產孕婦預期性悲傷下降相對緩慢，可能與農村孕婦思想相對保守，短時間內難以接受喪子之痛有關。3）家庭人均月收入可影響預期性悲傷水平[16]，流產手術費用較高，加之孕婦術后需要進行營養補充，會增加家庭經濟負擔，影響收入水平較低的高齡流產孕婦心理狀態。4）主要照顧者可影響預期性悲傷水平[17]，主要照顧者是護工或其他的高齡流產孕婦預期性悲傷處于較高水平，可能與這些高齡流產孕婦往往缺乏直系親屬的情感支持有關。5）術后并發癥會影響預期性悲傷水平，術后并發癥會給高齡流產孕婦造成心理困擾導致預期性悲傷水平較高。

3.3 高齡流產孕婦預期性悲傷的決策樹模型

決策樹是一種樹形結構分類預測模型，具有可視化和定量化特點，目前已成為醫學領域較熱門的數據分析方式[18]。本研究高齡流產孕婦預期性悲傷的決策樹模型選擇了文化程度、主要照顧者、居住地、家庭人均月收入及術后并發癥5 個臨床特征作為模型節點，文化程度是其中最重要的預測因子；高齡流產孕婦預期性悲傷決策樹模型的AUC 為0.838[95%CI（0.756，0.919）]，高齡流產孕婦預期性悲傷Logistic 回歸模型的AUC 為0.838[95%CI（0.756，0.919）]，提示決策樹模型與Logistic 回歸模型皆可用于高齡流產孕婦預期性悲傷的預測。Logistic 回歸模型主要用于反映因變量與各自變量間的關系，但當自變量有較高相關度時，Logistic 回歸模型可能不會得出有效的分析結果[19]。而決策樹模型在樹形圖產生的過程中能夠不斷進行分層，樣本逐漸減少，能夠篩選更加有意義的變量，其具有可視化和定量化特點，與Logistic 回歸模型相比具有一定優勢[20]。

4 結論

高齡流產孕婦預期性悲傷呈下降緩慢和下降快速2 種趨勢，文化程度、居住地、家庭人均月收入、主要照顧者及術后并發癥是高齡流產孕婦預期性悲傷的影響因素。本研究構建的決策樹模型能夠較為準確地預測高齡流產孕婦預期性悲傷。醫護人員需結合高齡流產孕婦預期性悲傷的危險因素制定干預措施，盡可能降低高齡流產孕婦預期性悲傷水平。