吳欣怡 侯善兵 尤月同 王振洋 程義飛 周志慶

睡眠是自然界所有生物普遍存在的一種生理活動，良好的睡眠質(zhì)量能夠正向地促進機體的恢復，促進機體的機能維持在正常的生理水平，有研究顯示，長期的睡眠不足會導致機體處于亞健康狀態(tài)，并且會對人的精神狀態(tài)、情緒和注意力造成負面影響，同時會對機體的內(nèi)分泌、呼吸以及免疫等功能造成不良的負荷[1]。外科急診患者往往伴隨著疼痛、惡心等軀體不適癥狀，且由于軀體癥狀的強烈表現(xiàn)，患者及患者家屬對于疾病的預后有著較為嚴重的擔憂，因此部分外科急診患者在軀體不適狀態(tài)和心理狀態(tài)的雙重影響下會出現(xiàn)一定程度睡眠障礙[2-3]。住院期間不良的睡眠狀態(tài)會對患者的康復進程造成不利的影響，從而增加患者的住院日和住院花費。因此本研究通過問卷調(diào)查的方式尋找影響外科急診患者夜間睡眠質(zhì)量的主要因素并且通過統(tǒng)計學方法構建風險預測模型，以期為臨床工作人員提供可靠的臨床預測工具，預測患者發(fā)生睡眠障礙的概率，并做出有效的護理干預，從而改善和降低外科急診入院患者夜間睡眠障礙的發(fā)生概率。

1 資料與方法

1.1 一般資料 選取2022年1月-5月在中國科學技術大學附屬第一醫(yī)院（安徽省立醫(yī)院）總院、南區(qū)和皖南醫(yī)學院弋磯山醫(yī)院的外科急診入院患者作為研究對象，通過量表填寫和問卷調(diào)查的方法收集研究所需的各項數(shù)據(jù)資料。填寫前主動告知被調(diào)查者本次調(diào)查的目的及意義，所有被調(diào)查者均在自主自愿的原則下填寫提交。本次調(diào)研共收集問卷672份，排除問卷填寫不全和規(guī)律性作答以及不符合邏輯的資料后共收集有效資料618份，有效回收率為91.96%。

1.2 方法 通過4個研究工具進行調(diào)查：①一般資料：該部分量由研究者自行編制并通過咨詢兩位副高級職稱專家后最終成型，包括患者的性別、戶籍所在地、是否吸煙、是否使用止疼藥、是否打鼾、家庭人均月收入、婚姻情況、慢性病種類等。②睡眠狀況自評量表（SRSS）：該量表是用于篩選不同人群中存在睡眠問題的人的工具。該量表是1998年由李建明[6]教授編制，共10個條目并采用Likert 5級評分標準進行計分，最高得分為50分，最低得分為10分，其中得分大于22分則提示被調(diào)查者存在不同程度的夜間睡眠障礙（失眠）問題。③電子健康素養(yǎng)量表（eHealth literacy scale）：該量表共有8個條目，并分為網(wǎng)絡健康信息與服務的應用能力、評判能力和決策能力3個維度，得分越高說明被調(diào)查者的電子健康素養(yǎng)能力越優(yōu)異，該量表的Cronbach'α系數(shù)為0.913，KMO值為0.875，經(jīng)臨床檢驗，具有較高可信度。④醫(yī)院焦慮抑郁（負性情緒）量表：該量表共14個條目，得分越高說明被調(diào)查的負性情緒越強，量表的Cronbach'α系數(shù)為0.82，具有較高可信度。

1.3 統(tǒng)計學方法 利用SPSS 20.0與R3.6.1軟件對數(shù)據(jù)進行統(tǒng)計分析，計量資料中滿足正態(tài)分布的用均值±標準差進行表示，并采用t檢驗進行分析；計數(shù)資料用頻數(shù)（n）和百分比（%）進行表示，并采用卡方檢驗（χ2）完成組間對比，單因素分析結果中有意義的納入Logistic回歸方程中進行統(tǒng)計分析，篩選出夜間睡眠障礙的獨立影響因素。利用R語言將Logistic回歸方程中篩選出的獨立影響因素提取入庫，利用“rms”包繪制睡眠質(zhì)量不佳的可視化列線圖并計算模型的一致性指數(shù)（C-index），并用Bootstrap法對列線圖模型進行驗證后利用“pROC”包繪制列線圖的ROC曲線。P＜0.05為差異具有統(tǒng)計學意義。

2 結 果

2.1 外科急診入院患者夜間睡眠障礙的單因素分析 本研究納入的有效樣本量為618例，其中發(fā)生夜間睡眠障礙（失眠）的發(fā)生率為49.51%，本次研究納入男性290例，女性328例；吸煙128例，不吸煙300例，已戒煙190例；農(nóng)村219例，縣城179例，城市220例；打鼾162例，不打鼾456例，其余詳見表1。根據(jù)入院后是否發(fā)生夜間睡眠障礙（失眠）將研究對象分為失眠組（306例）和未失眠組（312例）。單因素分析結果顯示，兩組研究對象在性別、是否使用止疼藥、戶籍所在地、是否打鼾、家庭人均月收入、慢性病數(shù)量、婚姻情況、電子健康素養(yǎng)得分和負性情緒得分方面的差異具有統(tǒng)計學意義（P＜0.05）。見表1。

表1 外科急診入院患者夜間睡眠障礙（失眠）的單因素分析（例）

2.2 外科急診入院患者夜間睡眠障礙的Logistic回歸分析 以是否發(fā)生夜間睡眠障礙為因變量，將單因素分析中具有統(tǒng)計學意義的因素作為自變量納入回歸方程中進行Logistic回歸分析；分類資料的具體賦值情況見表1，定量資料負性情緒總分和電子健康素養(yǎng)總分原值錄入，采用逐步法進行變量篩選。Logistic回歸分析的結果顯示婚姻情況、慢性病數(shù)量、家庭人均月收入、睡覺是否打鼾、負性情緒總分和電子健康素養(yǎng)總分是外科急診入院患者夜間睡眠障礙發(fā)生的獨立影響因素。見表2。

表2 外科急診入院患者夜間睡眠障礙的Logistic回歸分析

2.3 預測外科急診入院患者夜間睡眠障礙發(fā)生風險模型的構建 根據(jù)表2分析的結果，將Logistic回歸分析中得出的獨立影響因素作為預測因素，以夜間睡眠障礙的發(fā)生為臨床結局指標建立夜間睡眠障礙發(fā)生風險的列線圖預測模型，詳見圖1。對于列線圖的解讀方式：在每一個影響因素中找到對應的取值后與“Color Legend”對比得到一個具體的分值，該值即為該影響因素在模型中的得分，隨后將各變量的得分相加后得出的總得分在“Risk of LNM”中標記出來后向下做一條垂線得出的參數(shù)即為外科急診入院患者夜間睡眠障礙發(fā)生風險的概率。

圖1 外科急診入院患者夜間睡眠障礙發(fā)生風險的列線圖

2.4 外科急診入院患者夜間睡眠障礙發(fā)生風險的列線圖的ROC曲線分析 采用Bootstrap自主抽樣（計算機模擬重采樣）對列線圖模型進行內(nèi)部驗證，最終得出C-index值為0.742，詳見圖2。以列線圖模型中預測的不同外科急診入院患者夜間睡眠障礙發(fā)生風險作為檢驗變量，外科急診入院患者實際發(fā)生夜間睡眠障礙的情況作為狀態(tài)變量利用R語言中的“pROC”包繪制列線圖模型預測外科急診入院患者夜間睡眠障礙發(fā)生的ROC曲線，并且計算曲線下面積（AUC），最終分析結果得出：AUC=0.742，95%CI[0.704,0.780]，詳見圖2。

圖2 外科急診入院患者夜間睡眠障礙發(fā)生風險的列線圖

3 討 論

3.1 外科急診入院患者夜間睡眠障礙現(xiàn)狀 高質(zhì)量且正常的睡眠是維持人機體健康狀態(tài)和心理健康狀態(tài)最基本的生理活動[4]。而長期的睡眠障礙會加重患者精神負擔導致抑郁等疾病的患病風險，同時長期不佳的睡眠狀態(tài)會使得患者心腦血管的負擔加重，增加心腦血管疾病發(fā)病的概率[1]。外科急診入院患者往往伴隨著帶入創(chuàng)傷或需立即進行急診手術，而有研究顯示良好的睡眠質(zhì)量有利于機體損傷的恢復[1]，因此改善患者夜間睡眠質(zhì)量是醫(yī)療護理工作的重中之重。本次研究共納入有效參考對象618例，其中睡眠質(zhì)量障礙發(fā)生率高達49.51%，這一研究結果與梁艷艷等[5]研究者的研究結果相似。表明目前包括急診入院患者在內(nèi)的各科住院患者的夜間睡眠障礙問題都是客觀存在的，且發(fā)生夜間睡眠障礙的患者存在一定的數(shù)量規(guī)模。因此如何預測患者是否會發(fā)生入院后睡眠障礙并加以前期干預是目前護理工作所面臨的難點。本研究為探究外科急診入院患者夜間睡眠障礙的風險因素，建立相關的列線圖預測模型意在對入院患者進行動態(tài)評估，以利于對夜間睡眠障礙發(fā)生的高危患者進行全階段護理干預，從而降低外科急診患者夜間睡眠障礙的發(fā)生率，改善患者的睡眠質(zhì)量。

3.2 外科急診入院患者夜間睡眠障礙發(fā)生的危險因素分析 本次調(diào)查研究的分析結果顯示，家庭月收入是影響外科急診患者夜間睡眠質(zhì)量和發(fā)生夜間睡眠障礙的主要影響因素之一，低收入群體較中高收入群體的夜間睡眠障礙發(fā)生率更高，此研究結論與相關學者的研究結果相似[6]。究其原因可能由以下幾點所造成：①外科急診患者病情較為緊急且患者對自己所患疾病的認知不足，這極有可能導致患者對于疾病的治療和預后的花費造成錯誤的認知，從而加重患者的心理負擔導致夜間睡眠障礙發(fā)生。由于多數(shù)外科急診患者疾病發(fā)生突然，患者和患者家庭對于疾病治療的認知和準備不足，同時患者對于醫(yī)保政策的不了解導致患者對于治療費用的過度擔心，從而在較短時間內(nèi)對患者家庭造成了短暫的經(jīng)濟沖擊以及對后續(xù)治療經(jīng)費的錯誤擔憂，進一步導致患者夜間睡眠障礙發(fā)生。②婚姻情況和負性情緒是影響外科急診患者夜間睡眠質(zhì)量和發(fā)生夜間睡眠障礙的主要影響因素之一。本次研究顯示，婚姻情況異常的患者較正?；橐銮闆r的患者更容易發(fā)生夜間睡眠障礙，這可能是由于異常的婚姻狀態(tài)會導致患者產(chǎn)生不同程度的焦慮、抑郁、悲傷、壓抑等負性情緒，而負性情緒的影響更容易導致機體發(fā)生不同程度的內(nèi)分泌紊亂，從而進一步影響患者夜間的睡眠質(zhì)量導致夜間睡眠障礙的發(fā)生[7]。③患者的所患慢性病數(shù)量也是影響夜間睡眠障礙的發(fā)生的影響因素。患有慢性病且慢性病種類越多對患者夜間睡眠狀態(tài)的影響也越大，該結論與王振杰等[4]的研究結論相似。這是由于患者疾病對自身影響的原因、更容易出現(xiàn)失眠、易醒和淺睡眠狀態(tài)[8-9]。睡覺打鼾的患者可能會導致患者睡眠質(zhì)量較差，但是打鼾的患者睡眠深度較深，且由于打鼾會導致夜間睡眠時呼吸功能的負擔，因此這部分患者更容易產(chǎn)生疲憊疲勞感，故較易入睡，發(fā)生夜間睡眠障礙的可能性略低。電子健康素養(yǎng)的水平對于夜間睡眠障礙發(fā)生也具有一定的影響，這是因為電子健康素養(yǎng)越高的個體對于健康的追求和了解也更加深入，因此這類人群往往有著較為嚴格和規(guī)律的作息安排。

3.3 列線圖預測模型的應用價值 列線圖預測模型的構建是以單因素分析為基礎，多因素分析為基石，通過對多因素分析總結出的多個預測指標利用函數(shù)關系進行進一步的分析解析，從而精準地預測某一個體發(fā)生某一事件的統(tǒng)計學概率。本次研究顯示，婚姻情況、慢性病數(shù)量、家庭人均月收入、睡覺是否打鼾、負性情緒評分和電子健康素養(yǎng)總分是外科急診入院患者夜間睡眠障礙的預測因子，并以此結果和數(shù)據(jù)為基礎繪制列線圖模型，預測模型的AUC值為0.742，95%CI值為0.704～0.780，表明該模型對于臨床的指導價值較高，能夠較為準確的協(xié)助醫(yī)務人員對外科急診入院患者夜間睡眠障礙的發(fā)生進行預測，從而進行精準的前期干預，降低外科急診入院患者夜間睡眠障礙的發(fā)生率。

綜上所述，本研究顯示婚姻情況、慢性病數(shù)量、家庭人均月收入、睡覺是否打鼾、負性情緒評分和電子健康素養(yǎng)是外科急診入院患者夜間睡眠障礙的主要影響因素。同時本研究構建的預測模型具有一定的臨床指導價值，可協(xié)助臨床工作人員對夜間睡眠障礙患者的篩查提供有效的參考。本研究存在一定的不足：①樣本量有限且參與研究的機構有限，數(shù)據(jù)代表性不足。②未結合患者陪客的狀況以及患者自身的生理、生化指標。故本次構建的夜間睡眠障礙患者預測模型在今后的實踐中有待進一步的優(yōu)化升級。