首页 > 论文范文 > 医药卫生论文 > 医学毕业论文 > 临床医学毕业论文 > 酒精戒断综合征病人出院准备度预测模型的研究

酒精戒断综合征病人出院准备度预测模型的研究

2024-08-26 52 上传者：管理员

摘要：目的:探讨酒精戒断综合征(alcohol withdrawal syndrome, AWS)病人出院准备度的影响因素，构建预测模型并验证。方法:采用便利抽样法选取2020年1月—2023年6月百色市第二人民医院收治的194例AWS病人作为研究对象，采用AWS病人出院准备度调查问卷、中文版出院指导质量量表和家庭支持量表进行调查。结果:194例AWS病人中21.13%的病人未做好出院准备。Logistic回归分析显示，日饮酒次数、酒精依赖时间、日饮酒量、本次戒酒住院时间、居住地、出院指导质量和家庭支持是AWS病人出院准备度的影响因素(P<0.05);模型验证显示，决策曲线分析(DCA)曲线净获益较高，建模集和内部验证集的受试者工作特征(ROC)曲线下面积分别为0.871和0.849,校准曲线与实际曲线重合良好。结论:构建的AWS病人出院准备度列线图模型预测AWS病人出院准备度可信度高，有较高的临床效益。

关键词：
AWS
出院准备度
酒精依赖病人
酒精戒断综合征
预测模型
加入收藏

酒精戒断综合征(alcohol withdrawal syndrome, AWS)是长期酗酒者戒酒后出现的一系列精神及躯体症状，轻度表现为出汗、焦虑、乏力、反射亢进、震颤、胃肠道症状，严重可出现幻觉、妄想症状，若不及时处理可导致脑损害或死亡[1-2]。复饮是AWS病人非计划性再入院的主要原因。调查显示，酒精依赖病人出院6个月内复饮率达40.83%[3-4]。出院准备度是评估病人是否准备好出院的判断和感知，良好的出院准备度能提高病人出院后健康应对能力，降低其非计划性再入院率[5-6]。近年来，国内外学者对住院病人出院准备度的现状和影响因素进行了大量的研究，但AWS病人出院准备度影响因素等相关研究少有报道。因此，本研究对AWS病人出院准备度影响因素进行统计分析，构建列线图预测模型，以期为临床制订护理干预方案提高AWS病人出院准备度提供理论依据，以降低病人复饮和再入院率。

1、对象与方法

1.1 调查对象

采用便利抽样法选取2020年1月—2023年6月百色市第二人民医院收治的194例AWS病人作为研究对象。纳入标准：1)符合《中国精神障碍分类与诊断标准》中AWS的诊断标准[7];2)年龄20～70岁；3)饮酒史>5年；4)日饮酒(>32°)量>80 g; 5)病人家属知情同意，自愿参与。排除标准：1)脑器质性疾病；2)有认知功能障碍；3)有精神类疾病；4)伴有其他严重躯体疾病；5)妊娠及哺乳期。本研究已获得医院伦理委员会批准，病人及家属知情并已签署同意书。

样本量根据调查总项目数的10～20倍进行估算[8],加10%遗失率。本次调查一般资料12项，调查量表3个，总项目数为15个。因此，本研究需样本量165～330例。最终共纳入194例，样本量适宜。

1.2 调查工具

1.2.1 一般资料调查表

研究者自行设计，包括年龄、民族、婚姻状况、文化程度、日饮酒次数、酒精依赖时间、日饮酒量、最长操守时间、本次戒酒住院时间、家族史、吸烟史、居住地。

1.2.2 AWS病人出院准备度调查问卷

研究小组通过查阅文献资料、专家函询、小组讨论后自制AWS病人出院准备度调查问卷。包含疾病知识(7个条目)、自身状况(6个条目)、出院后家庭和社会支持需求(4个条目)、出院后应对能力(11个条目)4个维度，共28个条目。采用0～10分计分，有8个条目为反向评分，总分0～280分，总分越高表明病人出院准备度越好。总分≤195分为未做好出院准备，>195分为已做好出院准备。问卷总的Cronbach′s α系数为0.854,分半信度为0.893,重测信度为0.838。

1.2.3 中文版出院指导质量量表(Quality of Discharge Teaching Scale, QDTS)

由王冰花等[9]翻译和修订而成，包含需要内容(6个条目)、获得内容(6个条目)、指导技巧及效果(12个条目)3个维度，共24个条目。采用0～10级评分法，从“完全没有/完全不能”到“非常多/总是能够”分别赋分0～10分，总分0～240分，总分越高说明出院指导质量越好。量表Cronbach′s α系数为0.924。

1.2.4 家庭支持量表(Perceived Social Support from Family Scale, PSS-Fa)

由美国学者Procidano等[10]编制，共15个条目。采用0～1分Likert 2级评分法，“是”计1分，“否”计0分，部分条目为反向计分，总分0～15分，总分越高表明家庭支持越好，量表信度Kuder-Richardson 21(KR-21)值为0.75。

1.3 资料收集方法

由接受培训后的护理人员与病人及其家属面谈，病人及家属知情同意后发放问卷，由病人当场自行填写，检查核实后回收。不能自行填写的病人，由病人作答，调查员代填。问卷当场发放并回收。本研究共发放问卷200份，回收有效问卷194份，有效回收率为97%。

1.4 统计学方法

采用SPSS 25.0软件对数据进行处理。符合正态分布的定量资料以均数±标准差

表示，行两独立样本t检验或方差分析；不符合正态分布的定量资料以中位数、四分位数[M(P25,P75)]表示，行非参数检验；定性资料以例数、百分比(%)表示，行χ2检验；多因素分析采用Logistic回归分析；采用R 4.2.1软件绘制列线图模型、受试者工作特征(ROC)曲线、Calibration校准曲线。检验水准α=0.05。

2、结果

2.1 AWS病人出院准备度情况

194例AWS病人中，按是否做好出院准备分为已做好出院准备组153例，占78.87%;未做好出院准备组41例，占21.13%。

2.2 两组病人基线资料比较

单因素分析结果显示，两组病人文化程度、日饮酒次数、酒精依赖时间、日饮酒量、最长操守时间、本次戒酒住院时间、居住地、出院指导质量、家庭支持比较差异有统计学意义(P<0.05)。见表1。

表1两组病人基线资料比较(n=194)

农村 126(64.95) 34 92

2.3 AWS病人出院准备度影响因素的Logistic回归分析

以AWS病人是否做好出院准备度为因变量，以单因素分析中有统计学意义的变量作为自变量，进行Logistic回归分析。结果显示：日饮酒次数、酒精依赖时间、日饮酒量、本次戒酒住院时间、居住地、出院指导质量和家庭支持是AWS病人出院准备度的影响因素(P<0.05)。见表2。

表2 AWS病人出院准备度影响因素的Logistic回归分析

2.4 构建AWS病人出院准备度预测模型

根据Logistic回归分析结果，将日饮酒次数、酒精依赖时间、日饮酒量、本次戒酒住院时间、居住地、出院指导质量和家庭支持用于构建列线图预测模型。结果显示，得分最高的风险因素为出院指导质量，分值为100分；其次为日饮酒次数，分值为74分；得分最低为日饮酒量，分值为29分。见图1。

图1 AWS病人出院准备度列线图预测模型

2.5 AWS病人出院准备度列线图预测模型的验证

为进一步验证列线图预测模型的准确性，采用Bootstrap法将194例病人原始数据作为建模集进行重复抽样1 000次，随机抽取建模集中已做好出院准备组和未做好出院准备组各组样本量的70%作为内部验证集，对建模集和验证集进行验证。结果显示，2组模型的Calibration校准曲线均与实际曲线重合良好，见图2和图3。建模集和内部验证集的ROC曲线下面积分别为0.871和0.849,表明模型具有良好的区分度。决策曲线分析(DCA)曲线显示构建的模型净获益较高，表明此模型临床效益良好，见图4。

图2建模集Calibration校准曲线

图3验证集Calibration校准曲线

图4列线图DCA曲线

3、讨论

3.1 筛选AWS病人出院准备度影响因素的意义

复饮是AWS病人戒酒失败的主要原因，在急性戒酒治疗12个月内有>50%的病人因酒精诱惑而复饮，特别是6～12个月发生率最高[11]。AWS病人出院后回归家庭和社会后，难以避免亲友往来等社交活动，在此类活动中，酒是必备之物，病人往往禁不住酒的诱惑而复饮[12]。文献报道，AWS病人若出院准备状况不佳，出院后易受环境、心理或生理因素影响而导致复饮和再住院的发生[13]。因此，筛选AWS病人出院准备度的影响因素，实施针对性的护理干预措施对降低病人复饮率和再住院率具有重要意义。

3.2 AWS病人出院准备度相关影响因素

3.2.1 日饮酒次数

本研究结果显示，日饮酒次数是AWS病人出院准备度的影响因素。日饮酒次数多的病人酒精依赖性更强，文献报道，酒精依赖病人存在不同程度的认知功能损伤[14]。但认知功能损伤与AWS病人出院准备度的关系，目前尚不明确，也未有研究报道。本研究发现，日饮酒次数>2次的病人出院准备度低于≤2次的病人。可能原因是AWS病人存在不同程度的认知功能损伤，认知能力不足，对出院准备相关知识的掌握程度较低，导致出院准备度较差。

3.2.2 酒精依赖时间

本研究发现，酒精依赖时间是AWS病人出院准备度的独立影响因素，酒精依赖时间>30年的病人出院准备度低于≤30年的病人。原因可能为酒精依赖时间越长的病人戒断症状越严重，心理压力水平越高，且存在着与时间呈正相关的心理渴求程度[15],导致病人逃避出院准备相关知识的理解和吸收，从而出院准备度差。

3.2.3 日饮酒量

本研究发现，日饮酒量是AWS病人出院准备度的独立影响因素，与施杰等[16]类似研究结果一致，表明日饮酒量≥300 mL的病人出院准备度低于日饮酒量<300 mL的病人。原因可能为日饮酒量大在增加病人对酒精耐受性的同时，会持续损害机体各器官系统，增加病人戒断效应和心理成瘾程度；此外，酒依赖性强的病人智力、记忆力和执行功能等受损，出院准备度相关知识理解和接受能力差，导致病人出院准备度差。

3.2.4 居住地

本研究结果显示，居住地是AWS病人出院准备度的独立影响因素，居住地位于农村的AWS病人出院准备度低于居住地为城市的AWS病人，与苏晓琳等[17]类似研究结果一致。原因可能是居住于农村的病人普遍学历较低，对出院准备相关知识的接受和理解能力较弱，导致出院准备度较差。提示医护人员应重视农村病人出院准备相关知识的健康教育，及时评估其出院准备度状况，实施针对性措施提高其出院准备度。

3.2.5 本次戒酒住院时间

本研究发现，本次戒酒住院时间≤4周的AWS病人出院准备度偏低，与李丽媛等[18]类似研究结果一致。原因可能为住院时间越长，能不断增加病人与酒精戒断相关自我管理知识和技能。提示护理人员应及时了解病人出院情况，及时对住院时间较短急于出院病人的出院指导掌握情况进行全面评估，根据评估结果调整指导方案，以提高其出院准备水平。

3.2.6 出院指导质量

出院指导质量与出院准备度呈正相关[19]。良好的出院指导质量是提高AWS病人院后居家治疗、康复锻炼、戒酒操守时间、积极定期复查、自我管理能力的有效保障。本研究发现，出院指导质量越高的AWS病人出院准备度水平越高，表明出院指导质量越高，AWS病人获得的医疗照护和服务体验越好，出院准备度越高。

3.2.7 家庭支持

本研究结果显示，家庭支持是AWS病人出院准备度的影响因素，家庭支持水平低者未做好出院准备的概率越大。家庭支持是指个体感知到来自家庭在精神、情感或物质上的帮助和支持[20]。AWS病人既往酗酒等不良行为导致家庭成员逐渐放弃对其行为和心理的支持，病人感知获得家庭成员的关爱减少，导致其出现消极、悲观的应对态度，影响其行为上和心理上的出院准备。提示医护人员应积极帮助病人构建并完善家庭支持系统的建设，强化病人家庭支持功能，促进AWS病人感知家庭支持，提高其出院准备积极性。

3.3 本研究的创新性

列线图预测模型具有直观、易懂、简捷、实用等优点，是近年来临床应用较多的风险评估工具，有助于医护人员预测临床事件的发生概率，帮助制定预见性干预措施防范风险事件的发生[21]。本研究构建的AWS病人出院准备度风险列线图预测模型具有良好的区分度、准确性，净获益较高。临床医护人员可根据本模型将各风险评估分值代入模型，个体化预测AWS病人未做好出院准备的风险概率，制订个性化干预措施提高病人的出院准备度，减少出院后再住院和复饮的发生。

综上所述，日饮酒次数、酒精依赖时间、日饮酒量、本次戒酒住院时间、居住地、出院指导质量和家庭支持是AWS病人出院准备度的影响因素。本研究构建的列线图模型预测AWS病人出院准备度可信度高，有较高的临床效益。本研究目前尚存在单中心、样本量小的不足，有待今后进行多中心、大样本的研究进一步探索。

参考文献:

[1]刘亭亭,王媛,王垚,等.双硫仑戒酒导致酒精戒断综合征延迟诊治1例[J].中国药物依赖性杂志,2022,31(2):154-156;160.

[6]李超,杜旭芳,杨辉,等.基于循证的脑卒中患者出院准备度干预方案的构建[J].中国实用护理杂志,2022,38(33):2561-2569.

[7]陈彦方,杨德森,姚芳传.中国精神障碍分类与诊断标准(CCMD-3)[M].济南:山东科学技术出版社,2001:62-74.

[8]陈峰.医用多元统计分析方法[M].北京:中国统计出版社,2000:27-28.

[9]王冰花,汪晖,杨纯子.中文版出院指导质量量表的信效度测评[J].中华护理杂志,2016,51(6):752-755.

[11]庞军委,许学明,郑高健.重复经颅磁刺激对酒依赖患者急性戒断后渴求状态､冲动性及复饮的影响[J].中国现代医生,2022,60(9):111-114.

[12]高静,蔡壮,王志稳,等.注意偏向训练对康复期男性酒依赖患者注意偏向､心理渴求及复饮率的影响[J].中华行为医学与脑科学杂志,2022,31(2):128-135.

[13]韦利玲,韦慧,杨正广,等.酒精戒断综合征患者出院准备度的研究进展[J].现代医院,2021,21(12):1929-1930;1934.

[14]曾婷婷,冯祖幸,元静,等.男性酒依赖患者酒精依赖程度及影响因素[J].昆明医科大学学报,2022,43(1):33-39.

[15]连云玲,徐洪娇,赵艳玲,等.酒精依赖症患者治疗后复饮的相关风险因素分析[J].中国药物依赖性杂志,2022,31(5):346-350.