脑外伤是全球伤害相关死亡和残疾的主要原因[1]，即使急性期及时接受治疗得以存活，不少患者仍然遗留运动、认知等各种功能障碍，严重影响到日常生活活动（activity of daily living,ADL)[2]。康复的目标是帮助患者最大程度地实现功能恢复、重返家庭与社会，日常生活活动能力的改善在很大程度上反映了住院康复的疗效，而出院时的功能独立水平决定了患者能否返回家庭或需要继续前往康复医疗机构[3]，这是一个重要的公共医疗和社会经济问题[4]。因此，精准评估及预测脑外伤患者的功能预后和功能改善显得十分重要。本研究旨在以脑外伤患者出院时ADL能力及住院期间ADL改善程度为结局指标，基于入院时的特征回顾性分析影响二者的因素，利用Logistic回归分析建立两个简单、科学的预测模型，为临床康复医疗工作提供参考。

1、资料与方法

1.1 研究对象

回顾性收集2017年9月—2020年9月在北京博爱医院神经康复科住院的脑外伤患者资料数据。纳入标准：(1)有明确脑外伤病史或脑外伤手术史，经CT或MRI证实，且为首发者；(2)无意识障碍者。排除标准：(1)病历资料不完整，Barthel指数（Barthel index,BI）测评缺失者；(2)住院康复治疗期间接受手术或死亡者；(3)发病前有脑血管病等神经系统疾病或截肢等严重骨科疾病致ADL能力下降者；(4)入院时BI等于100分者。本研究已通过中国康复研究中心医学伦理委员会审查（批号：2021-026-1）。1.2 方法

1.2.1 一般资料：

根据病历资料记录所有入选脑外伤患者以下信息：(1)分类变量：共15个，包括性别、居住地区、学历、入院时病程、伤后是否行去骨瓣减压术、入院前是否行康复治疗、有无失语、有无情绪精神症状、有无康复期并发症（癫痫发作、脑积水、肩痛、肩关节半脱位、肩手综合征、下肢深静脉血栓、异位骨化或废用综合征任意一种）、支付方式、入院时简化FuglMeyer运动功能评分（Fugl-Meyer assessment,FMA）、入院时功能性步行量表（functional ambulation category scale,FAC）评分、入院时简易智能精神状态检查量表（mini-mental state examination,MMSE）评分、入院时BI评分、出院时BI评分；(2)连续变量：共3个，包括年龄、住院天数、入院时Fugl-Meyer平衡功能评分（Fugl-Meyer balance,FMB）。1.2.2 结局评价指标：

采用Barthel指数评价所有入选脑外伤患者的ADL能力。BI包括10个子项目，0—100分，分数越高说明患者ADL能力越高[5]。以出院时BI作为患者出院时ADL能力的评价指标，>60定义为“生活基本自理”，≤60定义为“生活尚不能自理”。以患者出、入院BI差值作为ADL能力改善程度的评价指标，所有入选患者出、入院BI差值的中位数10作为分界值，≤10定义为“改善一般”，>10定义为“改善良好”。1.3 统计学分析

使用Microsoft Excel建立数据库，对数据进行规范化管理，将最终纳入的病例按3∶1随机分为训练集和验证集。使用SPSS 25.0软件进行统计学分析，对于所有的描述性分析，将计数资料表示为频数，符合正态分布的计量资料表示为均值±标准差，不符合正态分布的计量资料表示为中位数和四分位数。在训练集中先采用单因素分析筛选有显著性意义的影响因素[6]，显著性水平设定为α=0.1，然后采用逐步向前法进行多因素Logistic回归分析建立预测模型，变量进入模型的检验标准α=0.05，剔除标准α=0.10。采用Hosmer-Lemeshow检验对预测模型的拟合优度进行检验，绘制校准曲线评估模型校准度，并绘制受试者工作特征曲线（receiver operating characteristic curve,ROC），以曲线下面积（AUC）来评估模型区分度。

2、结果

2.1 患者信息

本研究共采集463例患者信息，最终纳入统计学分析的患者共220例（图1），其中，男性159例（72.3%），女性61例（27.7%),100例患者在出院时实现“生活基本自理”（45.5%),103例患者住院期间ADL能力实现了“改善良好”（46.8%）。将纳入的220例患者数据按3∶1随机分为训练集（n=165）和验证集（n=55），患者18个变量信息见表1，各变量在2个数据集间无显著性差异。2.2 单因素分析

训练集数据经单因素分析，以下9个变量与出院时ADL能力有关：入院时病程、入院前是否行康复治疗、有无失语、有无康复期并发症、入院时FMA、入院时FMB、入院时FAC、入院时MMSE、入院时BI；以下4个变量与ADL能力改善程度有关：入院时病程、住院天数、年龄、入院前是否行康复治疗。

图1 纳入病例筛选流程图   下载原图2.3多因素分析

为控制混杂因素的影响，进一步探讨各个变量的影响程度，首先对变量进行命名，并对单因素分析后有显著意义的分类变量进行赋值（表2），然后对有显著性意义的变量进行多因素分析。2.3.1 出院时BI的多因素分析：

经二元Logistic回归分析显示，入院时病程、入院时FMB、入院时BI是患者出院时BI的显著影响因素（P<0.05）（表3）。模型的正确分类百分比为87.9%，阳性预测值为87.6%，阴性预测值为88.2%，灵敏度为91.4%,95%CI为0.833—0.959，特异度为83.3%,95%CI为0.723—0.907，约登指数为0.747。对所建立的预测模型进行Hosmer-Lemeshow拟合优度检验，得到χ2=9.872,P=0.196（图2），结果提示在训练集数据中模型预测值与实际观测之间无显著性差异，所建立的预测模型校准度较好。此外，预测模型的ROC曲线见图3，曲线下面积AUC=0.957,95%CI为0.930—0.983，提示该模型的区分度较好。进一步将验证集数据输入预测模型，输出预测值，经Hosmer-Lemeshow拟合优度检验后得到χ2=5.903,P=0.551，模型校准曲线见图4，模型ROC曲线见图5,AUC=0.917,95%CI为0.839—0.994，提示在验证集数据中，所建立的预测模型校准能力和区分能力同样较好。2.3.2 出入院BI差值的多因素分析：

经二元Logistic回归分析显示，入院时病程、住院天数、年龄是患者出入院BI差值的显著影响因素（P<0.05）（表4）。模型能够正确分类71.5%的研究对象，阳性预测值为73.2%，阴性预测值为69.1%，灵敏度为77.2%,95%CI为0.670—0.850，特异度为64.4%,95%CI为0.522—0.750，约登指数为0.416。与出院时BI的模型诊断类似，对所建立的预测模型进行Hosmer-Lemeshow拟合优度检验，得到χ2=5.340,P=0.721，模型校准曲线见图6，显示在训练集数据中模型预测值与实际观测之间的差异无显著性意义，模型校准度较好。此外，预测模型的ROC曲线见图7,AUC=0.773,95%CI为0.702—0.844，表明模型的区分度较好。将验证集数据输入预测模型，输出预测值，经HosmerLemeshow拟合优度检验后得到χ2=8.715,P=0.274,模型校准曲线见图8,ROC曲线见图9,AUC=0.747,95%CI为0.613—0.881，提示在验证集数据中，所建立的预测模型校准能力和区分能力同样较好。  表1 患者变量信息  下载原图图2 训练集出院时BI模型校准曲线   

图3 训练集出院时BI模型ROC曲线   

图4 验证集出院时BI模型校准曲线   

3、讨论

目前，国内外已经开发和验证了一些针对中重度脑外伤患者的预后模型[7]，但大多数研究尤其关注生存结局[8,9,10,11]，并且预测模型纳入的指标很多是在脑外伤后急性期采集，如损伤时CT表现、GCS评分、瞳孔反应及实验室检验指标等[12,13,14,15]，例如，比较经典的IMPACT(international mission for prognosis and analysis of clinical trials in traumatic brain injury）模型[16]和CRASH(corticosteroid ran-domization after significant head injury）模型[17]。本研究关注处于恢复期患者的康复结局，该时期的患者病情趋于稳定，提高功能独立水平成为治疗的主要目标，此时，GCS、瞳孔反应等指标可能不再适用于TBI患者功能独立水平的预测。此外，目前用于日常生活活动能力的评价工具较多，国外研究常用FIM等[18]，而国内研究常用BI,BI作为ADL评价最常用的量表之一，简单而操作方便，本研究分别以出院时BI和出入院BI差值作为结局指标建立了2个预测模型，将有助于医生掌握患者出院时功能独立水平和住院期间的功能改善程度。

图5 验证集出院时BI模型ROC曲线  

表2 变量命名及赋值  

表3 出院时BI逻辑回归分析结果  

表4 出入院BI差值逻辑回归分析结果

图6 训练集出入院BI差值模型校准曲线

图7 训练集出入院BI差值模型ROC曲线

图8 验证集出入院BI差值模型校准曲线  

3.1 出院时BI的影响因素分析

脑外伤后发病机制和恢复机制均较为复杂，涉及多种影响因素。国外研究发现，许多因素与脑外伤患者康复出院时的功能独立水平（FIM评分）相关，包括入院时FIM评分、损伤严重程度、年龄、种族、损伤发生到康复入院的时间以及住院康复时间等[19,20,21]。本研究将纳入病例按3∶1随机拆分为训练集和验证集，利用训练集数据进行多因素回归分析发现入院时病程、入院时FMB、入院时BI显著影响患者出院时BI。其中，入院时病程越短，出院时功能独立水平越高，这也符合早期康复的倡导。不少研究发现，脑外伤后早期进行康复干预对功能恢复大有裨益[22,23]，可以提高成年脑外伤患者的ADL能力[24]。FMB是评价脑损伤患者平衡功能的常用量表之一，平衡功能对于人们维持日常生活是必不可少的，与穿衣、步行和洗澡等日常生活活动密切相关。脑外伤患者常出现平衡功能障碍，本研究显示，入院时脑外伤患者FMB评分越高，出院时越有可能实现“生活基本自理”。Black K等[25]的研究也发现平衡功能是出院时FIM评分的显著预测因子。此外，患者入院时BI也是出院时ADL水平的影响因素，入院时BI评分越高，出院时ADL水平越高，这与前人的研究结论类似，认为决定出院时FIM评分的最大因素是入院FIM评分[26,27]，这也符合脑损伤后功能残存越多恢复潜力越大的观点。Chan V等[28]的研究均认为，性别无法作为一个显著影响出院时康复效果的因素，本研究的结论与此一致。

3.2 出入院BI差值的影响因素分析

以脑外伤患者出入院BI差值为结局指标，最终纳入回归方程的因素包括入院时病程、住院天数、年龄。入院时病程也纳入了本研究的回归方程中，入院时病程较长的患者功能恢复可能已经进入平台期，而且本研究纳入的病例均来自北京博爱医院，这是一家大型康复专科医院，很多病程较长的患者前来住院意味着本身功能水平可能相对较差，在其他医院康复效果不甚理想，才希望进一步来此住院康复干预，因此这类患者住院期间的功能改善程度可能较小。与江钟立等[29]的研究结论类似，我们发现住院天数是患者ADL能力改善的重要影响因素，但孙燕等[30]的结论与此相反，认为住院周期与ADL能力进展无关。值得注意的是，患者住院天数受到康复意愿、家庭经济条件、医疗保险政策等因素影响，我们难以区分出有价值住院日，因此，并非住院时间越长，ADL改善程度越大。此外，Graham JE等[31]的研究发现，年龄是脑外伤患者功能水平的重要影响因素，我们的研究也同样发现年龄与患者ADL能力改善有关。

3.3 本研究的局限性

本研究分别以出院时BI和出入院BI差值为结局指标建立了2个预测模型，模型将帮助康复医生根据脑外伤患者入院时状况初步判断出院时的功能独立水平和住院期间的功能改善程度，为康复医疗工作提供参考。但是本研究也存在一些不足。首先，虽然我们使用随机拆分法进行了内部验证，但由于本研究是单中心的回顾性研究，我们未对模型进行外部验证，尤其是空间验证，模型的可推广性仍有疑问，未来应该考虑进行多中心研究，实现对模型严格的外部验证。其次，尽管本研究尝试对出院时BI和出入院BI差值的影响因素进行探索性分析，以出入院BI差值为结局指标的建模符合10EPV(events per variable)[32]，以出院时BI为结局指标的建模满足8EPV，但样本量相对不足仍然可能在一定程度上影响到结果的稳健性，未来研究有必要扩大样本量，对研究结果进行验证。此外，研究表明TBI严重程度与出院时的康复结局密切相关[33]，但是康复科往往难以全面获取患者的急性期病历资料，所以本研究未将TBI的严重程度等因素纳入分析，而是通过入院时量表评分来间接反映患者的病情严重程度，今后可以借助信息系统尽可能对患者情况进行详细登记，并基于大数据挖掘建立预测模型。

参考文献:

[6]胡安明,王宇,孙炜.神经外科康复单元脑外伤后脑积水发生危险因素分析[J].中国康复理论与实践,2020,26(9):1083—1088.

[8]陆云鹏,许文辉,周立平.影响脑外伤致硬膜外血肿患者预后的多因素Logistic回归分析[J].中华神经外科疾病研究杂志,2018,17(5):461—463.

[11]袁方,丁军,郭衍,等.脑外伤患者预后预测模型的建立及验证[J].上海交通大学学报(医学版),2011,31(11):1592—1598.

[24]刘剑.重度脑外伤患者的近期康复效果及长期预后研究[J].中国康复理论与实践,2014(8)756—759.

[29]江钟立,励建安,王翔,等.影响脑卒中偏瘫患者日常生活能力恢复的因素分析[J].中国临床康复,2003,7(5):726—727+729.

[30]孙燕,励建安,卢虹,等.脑卒中患者日常生活活动能力进展的Logistic回归分析及预测模型[J].中华物理医学与康复杂志,2011,33(1):35—38.

基金资助:国家重点研发计划项目(2018YFC2001703); 中国康复研究中心重点课题(2021ZX-02);

文章来源:唐芷晴,苏文龙,党辉,等.恢复期脑外伤患者日常生活活动能力的预测模型研究[J].中国康复医学杂志,2024,39(07):952-958.