中青年冠心病病人急性心肌梗死列线图模型的构建及验证

李 蕊,吴 越,赵丽娟,路 灿,宋 红

冠心病是指冠状动脉粥样性硬化,造成冠状动脉血液供应不足。卫生调查数据显示,我国冠心病患病率高达27.8%[1]。急性心肌梗死(acute myocardial infarction,AMI)是指冠状动脉急性的狭窄或闭塞,导致心肌严重缺血及坏死,是冠心病死亡的主要原因,且90%的AMI是由冠心病发展而来[2-3]。中青年作为社会和家庭的核心和骨干,其身体状况将直接影响到社会和家庭。数据显示,中青年AMI的患病率正逐步上升,已对中青年健康构成威胁[4-5]。对中青年冠心病有AMI高危风险的病人及时进行干预,减少AMI的发生、减轻家庭和社会的压力是亟需解决的问题。

列线图是临床预测模型的另一种图形表示方式。跟评分系统一样,是基于个体预测变量的数值来计算得分,根据得分计算某事件或生存概率的风险。列线图与其他预测模型相比,具有直观、使用简便等优势。目前,列线图模型已广泛应用于医学疾病的预测[6]。本研究通过分析708例冠心病病人的临床资料,构建AMI风险列线图模型并完成验证,以期指导临床护士针对心肌梗死高危人群进行及时的干预和宣教,减少AMI的发生。

1 对象与方法

1.1 研究对象 采用便利抽样的方法,选取2020年12月—2022年4月就诊于本院心血管内科的885例冠心病病人为研究对象。纳入标准:①符合冠心病诊断标准;②年龄18～59岁;③病人(家属)知情同意,自愿参加。排除标准:①合并其他器官创伤、休克等;②合并其他疾病,如恶性肿瘤、血液疾病;③精神疾病,沟通障碍。本研究已通过本院伦理委员会审批(批件号[2020]121002)。

1.2 研究方法

1.2.1 分组方法 严格按照纳入与排除标准选择入组对象。根据建模组入院时是否发生AMI分为急性心肌梗死组和冠心病组。AMI诊断及相应处理参照中国医师协会《急性冠状动脉综合征急诊快速诊疗指南》进行诊治。

1.2.2 影响因素确定 通过查阅文献和专家讨论确定影响因素。包括病人的年龄、性别、低密度脂蛋白胆固醇(LDL-C)、是否患有高血压、是否患有糖尿病、是否服用预防用药、是否吸烟、是否熬夜、冠心病阳性家族史(指两系三代中有冠心病病史)、性格类型10个方面进行比较。

1.2.3 样本量计算 本研究通过前期查阅文献,专家讨论共纳入10个因素,每个因素至少需要有5～10例病人进行验证。根据研究,中青年冠心病病人中心肌梗死发生率6.28%,同时假设脱落率为10%,预计样本量为:(10×5)/0.062 8/(1-10%)=885,其中建模组占80%,则n=885×80%=708(例),验证组占20%,n=885×20%=177(例)。

1.2.4 概念界定及评估工具

1.2.4.1 熬夜 将23:00点后因具体事务(工作、学习、游戏等)、自愿或非自愿的情况下仍未进入睡眠状态的现象定义为熬夜[8]。习惯性熬夜定义为强迫性的习惯性熬夜行为,指每周不少于4 d存在熬夜行为。本研究定义:不熬夜是≤每周1 d,偶尔熬夜是每周2 d或3 d,熬夜每周≥4 d。

1.2.4.2 性格类型 采用全国心身医学协作组编制的A型行为问卷(TABPQ)[9]。问卷分3个部分:时间紧迫感(TH)、竞争与敌意(CH)、掩饰(L)。根据TH和CH计分,若L≥7分为无效问卷。按所得分值对行为类型分型:将29～50分合并定义为A型人格,1～28分合并定义为B型人格。

1.2.5 质量控制 严格按照纳入与排除标准选择研究对象,对实施评估的护理人员进行问卷的培训和考核,合格后进行评估。问卷一般在病人入组后发放,由病人独立填写。对文字读写障碍的冠心病病人,由责任护士用同一语气在会议室协助完成填写,在保证隐私的情况下,确保每份TABPQ评估量表可以表示病人性格分型。

2 结果

2.1 入组病人的一般资料分析 本研究建模组共纳入708例冠心病病人的一般临床资料,年龄26～59(50.69±7.85)岁,其中女175例,男533例。纳入的708例冠心病病人中,有46例发生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发病率为6.49%,现将708例病人分为急性心肌梗死组和冠心病组(未发生AMI),一般临床资料具体见表1。

表1 708例冠心病病人一般资料

2.2 单因素及各影响因素间交叉分析 回收数据分为分类数据变量和计量数据变量,计量数据经正态性检验后,采用Pearson相关分析,分类数据进行赋值后列表采用χ2检验交叉分析。单因素分析结果显示:LDL-C高、高血压、冠心病阳性家族史、熬夜及A型性格成为AMI独立危险因素。此外,吸烟及服用预防类药物也在一定程度上影响冠心病心肌梗死的发生,在有限的样本内未体现出统计学差异。

现将分类数据变量进行赋值如下:性别(男=1,女=0)、患高血压(有=1,无=0)、患糖尿病(有=1,无=0)、LDL-C(≥ 4.14 mmol/L=2,3.37～4.13 mmol/L=1,<3.37 mmol/L=0)、吸烟(是=1,无=0)、熬夜(是=2,偶尔=1,否=0)、冠心病阳性家族史(有=1,无=0)、性格类型(A型=2,M型=1,B型=0)、服用预防用药(是=2,不规律服用=1,否=0)。将建模组病人的临床样本资料,对各影响因素使用χ2检验交叉分析。交叉分析结果显示:年龄与熬夜、性别与吸烟、LDL-C与吸烟之间在10%的水平上显著(0.05

2.3 多因素回归分析 以急性心肌梗死为因变量,以单因素分析中P<0.2的变量为自变量,赋值同上,进行多元逐步回归分析。最终进入和剔除回归方程的仅分别为0.05和0.01。具体见表2。

表2 冠心病病人AMI风险预测回归分析

2.4 构建中青年冠心病病人AMI风险预测模型 根据多元回归分析数据,将分类数据赋值:熬夜=X1;LDL-C=X2;高血压=X3;性格类型=X4;服用预防药物=X5;吸烟=X6;冠心病家族史=X7。赋值后构建风险预测模型如下:Z=2.688+0.638X1+0.552X2+0.194X3+0.430X40.505X5+0.513X6+0.362X7。并绘制中青年冠心病病人发生心肌梗死的列线图,赋值同上,见图1。

图1 中青年冠心病病人AMI风险预测模型列线图

2.5 验证中青年冠心病病人AMI风险预测模型 验证组最终纳入177例心内科就诊冠心病病人。将入组病人进行心肌梗死风险预测,与实际心肌梗死发生进行比较。验证组外部验证:绘制ROC曲线,该预测模型的ROC曲线下面积为0.862[95%CI(0.806,0.923)],灵敏度为93.1%,特异度为56.4%,最大Youden指数0.644,见图2。结果表明:该模型灵敏度较高可以较好地识别出高风险人群,可以用于临床。但模型的特异度不高,可能会在一定程度上增加假阳性人群的识别。

图2 中青年冠心病病人AMI预测模型ROC曲线图

3 讨论

3.1 冠心病病人AMI发病率较高 据美国研究数据估计,到2035年50%的成年人患有某种形式的心脏病,大约72万人将因AMI首次住院,其中7.4人中有1人将死于AMI[10]。我国心血管病死亡率近年来持续居首位,高于肿瘤和其他疾病。《中国心血管病报告2018》[11]指出:据推算我国心血管病现患人数已达到2.9亿例,其中冠心病人数1 100万。本研究共纳入885例冠心病病人,其中,建模组708例,验证组177例。建模组冠心病病人发生AMI人数46例,验证组冠心病病人发生AMI人数10例,发病率与之前研究基本持平,在冠心病病人中发病率较高。

3.2 熬夜、吸烟、LDL-C高、未使用预防药物、高血压、冠心病阳性家族史、A型性格成为AMI危险因素 LDL-C、高血压、家族史、熬夜及性格类型、吸烟及服用预防类药物成为冠心病AMI的影响因素。中国47.1%的冠心病病人睡眠质量较差,睡眠质量差预示着病人在6个月内身体健康功能下降[13]。熬夜是主观的较差睡眠质量的代表。除导致各种心律失常的发作,还会引发代谢综合征,引起血压、血糖和血脂异常。此外,熬夜引起各种炎性因子水平升高,炎性因子升高会加速动脉粥样硬化的发生和发展,进而诱发不稳定斑块破裂,导致心源性猝死[14]。国内外研究结果基本一致,个体睡眠问题的频率与AMI风险之间也存在着正相关关系,熬夜与91.3%的冠心病急性发病风险相关[15]。此外。吸烟导致血管硬化,35岁以下冠心病病人吸烟引发心肌梗死的概率比戒烟者高出3倍[16]。作为临床护士,在冠心病病人的健康教育上,一方面应着重睡眠质量的相关知识培训及熬夜的危害,减少冠心病非必要主观熬夜人群及次数,另一方面应强调戒烟的危害性和必要性,以减少AMI的发生。

在中国首发AMI病人中,LDL-C处于较高水平。A型性格及冠心病阳性家族史是AMI的危险因素[18],服用预防类药物,如阿司匹林是AMI的保护因素。本研究证实较高的LDL-C水平是AMI的独立危险因素,且相对危险度增加0.552,国外研究也证实AMI发生率与LDL-C高度相关。因此,对于LDL-C较高的冠心病病人,健康宣教方面除应强调严格的低盐低脂饮食外,还应根据医嘱增加预防类药物的使用。

综上所述,作为临床护士,对于有冠心病阳性家族史、高血压的冠心病病人,且LDL-C居高不下时,应进行健康指导,包括适当限制摄盐量、脂类及蛋白,戒烟戒酒,遵医嘱口服预防类药物及他汀类药物调脂稳定斑块相关治疗,并定期进行复查。此外,护理人员应适当地引导病人养成平和的心境,遇事不冲动急躁,积极改善睡眠状况,避免熬夜等。

3.3 中青年冠心病病人AMI风险预测模型具有较好的适用性 本研究采取ROC曲线进行检验,通常曲线下面积为0.7～0.8时,表示模型有一定的预测价值;当曲线下面积为0.8～0.9时,表示模型有较好的预测价值。本研究构建的AMI风险预测模型均有较好的预测价值,且灵敏度较高,能够较好地筛查高危人群。因该模型是为了识别心肌梗死高风险人群,通过健康教育改善不良生活习惯,进而规避心肌梗死风险,虽在一定程度上造成假阳性高风险病人的增加,但识别真阳性高风险病人的能力较高,可以在一定程度上减少心肌梗死的发生,因此该模型较为可靠,可以应用于临床。

3.4 本研究的局限性 本研究在设计之初,通过文献检索结合专家咨询的方法找出可能影响冠心病病人发生心肌梗死的影响因素,可能会造成影响因素的遗漏。验证模型阶段,构建的模型特异度不高,可能会识别假阳性的病人,一定程度上会浪费医疗资源、造成病人无端的恐慌和焦虑。此外,在收集资料过程中,因询问病史过程中,医生多数未在单独会议室采集病史,可能研究对象有意夸大或缩小某些信息,增加了报告偏倚风险。

4 小结

本研究构建的冠心病病人AMI风险预测模型简单易行,预测效果较好,可为识别高危病人及及时干预策略提供指导。