心房颤动是临床最常见的心律失常之一,在我国心房颤动患病率为1.6%[1]。心房颤动病人常伴心脏特异性症状如心悸、胸痛、胸闷及全身非特异性症状如乏力、头晕、小便次数增加等,以上信号促使病人产生就医行为,及时防止并发症的发生发展。有些病人症状隐匿,称为无症状性心房颤动。无症状心房颤动病人往往因缺乏症状体验、疏忽症状警示存在就医延迟行为,病人常因卒中或心力衰竭等并发症而首次就医[2]。有研究显示,约1/3的病人属于无症状心房颤动,其次,无症状心房颤动不易识别,其因医疗干预较晚,增加血栓栓塞及死亡风险[2-5],其中动脉栓塞以脑栓塞最为常见,是致残、致死的重要原因。此外,有研究表明,无症状心房颤动伴有心血管疾病的病人受益于早期心律控制及抗凝管理[6-7]。可见无症状心房颤动较为常见且预后更差。因此,无症状心房颤动病人是更值得关注的特殊群体。但目前有关无症状心房颤动的研究较为有限,且相关研究的变量多局限于人口学资料及临床客观资料[2,5]。因此,本研究在健康生态学模型[8]的理论指导下,从个人先天特质和疾病的生物学、个人心理和行为生活方式、个人家庭社会网络、工作生活条件及社会政治文化政策环境因素五大方面调查无症状心房颤动病人现状及其影响因素,以期为无症状心房颤动病人特异性管理提供参考。

1、对象与方法

1.1 研究对象

采用便利抽样法选取2022年12月—2023年7月于天津市某三级甲等医院心内科住院的308例心房颤动病人为研究对象。纳入标准:1)年龄≥18岁;2)符合2020欧洲心脏病学会(ESC)心房颤动指南定义的非瓣膜性心房颤动病人;3)能自行阅读或在他人帮助下理解问卷内容;4)病人知情同意,愿意参与本研究。排除标准:1)有急性重症炎症反应以及近3个月有急性应激事件发生恶性肿瘤病史;2)有严重肺、肝、肾功能不全者;3)严重的听力受限、失语、意识障碍、谵妄及认知障碍病人。

1.2 研究方法

1.2.1 调查工具

1.2.1. 1 一般资料调查表

在健康生态学模型的指导下结合文献回顾自行设计一般资料调查表,包括人口学资料,如年龄、性别、体质指数(BMI)、职业类型、医疗支付方式、吸烟及饮酒史;临床相关资料,如心房颤动类型、病程、常见合并症个数、左心房大小(LA)、左室射血分数(LVEF)。

1.2.1. 2 欧洲心律协会(EHRA)心房颤动症状评分[9]

采用指南[4]推荐的EHRA心房颤动症状评分评估心房颤动病人症状的严重性。该评分按照症状的严重程度分为5个等级,“1”表示无症状,“2a”表示轻度症状,“2b”表示中度症状,“3”表示严重症状,“4”表示致残。得分越高表明症状越明显,日常活动越受影响。本研究将得分为“1”的病人视为无症状心房颤动病人,其余得分视为有症状心房颤动病人。

1.2.1. 3 Frail衰弱量表

采用Morley等[10]改良的Frail衰弱量表测量心房颤动病人衰弱水平。该量表包括5项:疲乏感、阻力感(上一层楼梯即感困难)、自由活动下降(行走几百米有困难)、多种疾病共存(≥5个)、体重减轻(1年内体重下降>5.0%)。采用二分类计分法,“0”代表“否”,“1”代表“是”,满足3个及以上为衰弱状态,具有1个或2个的状态为衰弱前期,不满足任何1个为非衰弱的健壮老人。经验证Frail衰弱量表具有较强收敛性和预测有效性[10-11]。

1.2.1. 4 广泛焦虑自评量表(GAD-7)

采用由我国何筱衍等[12]翻译形成的中文版GAD-7评估病人过去2周焦虑症状的发生频率,包括7个条目,采用4级评分法,每条目为0～3分,总分为0～21分。其中0～9分为无焦虑,10～21分为焦虑状态。中文版GAD-7的Cronbach'sα系数为0.898,重测信度为0.856[12]。

1.2.1. 5 社会网络量表简表(LSNS-6)

采用张文娟等[13]翻译的中文版LSNS-6,包括家庭和朋友网络两部分,共6个条目。每个条目为0～5分,总分为0～30分,分数越高表示社会网络水平越好。家庭部分及朋友部分网络得分<6分的老人即处于对应的网络隔离状态,量表总分<12分被认为是社会隔离。该量表的Cronbach'sα系数为0.796[13]。

1.2.2 资料收集方法

病人疾病信息及化验检查结果通过医院信息管理系统获取,其中于术前1d进行超声心动检查,于入院后第2天进行实验室指标检查,住院48h内收集相关问卷。由研究者发放并回收问卷,问卷调查过程中使用统一的指导语向病人说明本次调查的目的、内容、意义及填写方法,取得病人的知情同意。共发放315份问卷,有效问卷308份,有效回收率为97.78%。

1.2.3 统计学方法

在本研究中涉及的变量较多而有效结局事件相对较少,对于Logistic回归而言,相关因素间可能存在较强的多重共线性,使得模型稳定性较差。最小绝对收缩和选择算子(leastabsoluteshrinkageandselection operator,LASSO)回归以回归系数的绝对值之和作为惩罚项,λ为惩罚性的系数,当λ越大时,对回归系数的压缩程度也越大,使与因变量关系弱的自变量系数压缩至零,从而起到重要变量筛选的作用[14]。所以LASSO回归具有特征降维的作用。因此,将LASSO回归筛选的变量进行后续分析可以有效避免传统回归模型的过拟合和多重共线性的问题。

采用SPSS25.0软件及R4.1.2软件进行统计分析。服从正态分布的定量资料以均数±标准差(x±s)描述;不服从正态分布的定量资料以中位数、四分位数[M (P25,P75)]描述;定性资料以例数、构成比(%)描述。使用R软件“glmnetpackage”进行LASSO回归并使用5折交叉验证确定调和参数λ,λ值决定了各个自变量的系数,使某些对因变量影响力不大或无关的变量对应的回归系数值压缩为0,实现了变量的初步筛选。将LASSO回归模型筛选出的因素进行组间差异性分析,包括独立样本t检验、Mann-WhitneyU检验、χ2检验或Fisher确切检验。将上述单因素分析有统计学意义的变量纳入多因素Logistic回归分析。以P<0.05为差异有统计学意义。

2、结果

2.1 心房颤动病人一般资料及无症状心房颤动现状

308例心房颤动病人的年龄为68(63,73)岁;男170例(55.2%),女138例(44.8%);阵发性心房颤动186例(60.4%),非阵发性心房颤动(持续性心房颤动和长程持续性心房颤动)122例(39.6%);病程:18(3,60)个月,LA(40.70±5.98)mm,LVEF[63%(61%,64%)]。其他一般资料见表1。无症状心房颤动病人40例(13.0%),有症状心房颤动病人268例(87.0%),其中,38.1%病人为轻度症状,41.8%为中度症状,20.1%为严重症状。

表1 308例心房颤动病人的一般资料

2.2 LASSO回归初步筛选变量

根据病人的一般信息、临床资料、相关问卷所涉及的变量,使用5折交叉验证的LASSO回归分析,自变量赋值方式见表2。LASSO回归模型中自变量随λ值变化的筛选情况见图1。图1A是Log(λ)与自变量个数对应曲线,下横坐标是Log(λ),上横坐标是不同Log(λ)值对应的模型中非零自变量的个数,纵坐标是模型的均方误差(meansquareerror,MSE)。图1B中两条虚线从左到右分别表示MSE最小时及MSE在一个标准误内Log(λ)的取值和其对应的非零自变量个数。图1B为Log(λ)与LASSO回归系数的关系,随着λ增大,模型的各自变量系数估计值压缩程度增大,对因变量影响较小的自变量系数被压缩至0,自变量个数减少。本研究选择MSE最小时对应的λ＿min=0.018,此时从15个变量中筛选出7个非零系数的自变量,结果显示,病程、心房颤动类型、BMI、职业类型、衰弱状态、焦虑状态、性别是无症状心房颤动病人的潜在影响因素。

表2 自变量赋值情况

图1 基于Lasso回归的特征性变量选择

2.3 心房颤动病人无症状心房颤动的单因素分析

以是否为无症状心房颤动为分组变量,LASSO回归初步筛选的变量(病程、心房颤动类型、BMI、职业类型、衰弱状态、焦虑状态、性别)为自变量进行单因素分析,结果显示两组心房颤动类型、衰弱状态、焦虑状态、性别比较,差异有统计学意义(P<0.05),见表3。

表3 两组心房颤动病人单因素分析

2.4 心房颤动病人无症状心房颤动的多因素分析

将单因素分析中有统计学意义的变量进行多重共线性分析,方差膨胀因子(varianceinflationfactor,VIF)≥5提示变量间存在较严重的多重共线性[15]。结果显示,各变量的VIF为1.034～1.140,提示变量间无多重共线性。以是否为无症状心房颤动为因变量(否=0,是=1),以心房颤动类型、衰弱状态、焦虑状态、性别分别为自变量进行多因素Logistic回归分析,自变量赋值方式见表2。结果显示,心房颤动类型、衰弱状态、性别是无症状心房颤动病人的独立影响因素(P<0.05),见表4。

表4 心房颤动病人无症状心房颤动的多因素Logistic回归分析

3、讨论

3.1 无症状心房颤动病人现状

本研究结果显示,在308例心房颤动病人中无症状心房颤动病人占比为13.0%(40/308)。无症状性心房颤动的发生率国内外报道不一。据欧洲一项多中心注册试点研究数据显示,39.7%的病人为无症状性心房颤动[3]。国内胡耀武等[5]研究纳入的426例心房颤动病人中,122例(28.6%)显示为无症状性。本研究报道的无症状心房颤动比例(13.0%)略低于其他研究数据。分析这一原因可能是2020ESC指南中将症状性心房颤动病人的射频消融手术作为Ⅰ级推荐,因此病人多数是行射频手术的有症状性心房颤动者。其次,无症状心房颤动发生率与检测手段、病人的心房颤动负荷、检测时间窗等因素密切相关。不同程度心房颤动症状取决于房室失同步、心室率不规则、快速心室反应。无症状的心房颤动病人可能是由于长时间适应了心房颤动节律,从而不易察觉心房颤动特异性症状[16]。针对该类病人,需加大对疾病的宣教程度,提高其对心房颤动的认知水平,增强病人对心房颤动相关并发症的感知能力。同时建议病人坚持自测脉搏或佩戴如智能手表、智能心电图贴片、智能手机等可穿戴技术帮助长期动态监测心律情况。

3.2 无症状心房颤动病人的影响因素

3.2.1 性别

本研究发现在心房颤动病人中,男性更容易发生无症状心房颤动,与相关研究结果[2,5,17]一致。回顾既往研究总结,由于女性病人不太可能接受通过复律或导管消融手术来缓解心房颤动症状严重程度[18];另一方面女性心房颤动病人多有焦虑和抑郁症状,而消极的心理导致明显的症状体验,负性情绪与症状体验彼此影响,从而导致女性的症状感知更加明显。相反男性病人可能更趋向于接受手术治疗来减轻症状,且无过多的心理困扰进一步加重因负性情绪导致的症状体验。另外无症状心房颤动还可能与男性睡眠时迷走神经兴奋性较高[19]及男性运动耐力高相关[20]。因此,在心房颤动病人中,因女性病人常有主观症状,给予心理护理帮助缓解其紧张情绪,普及心房颤动治疗的健康教育提高节律控制的接受率。同时也不能忽视因缺乏症状信号的男性病人,采取措施提高其对疾病的认识程度、并发症的感知能力以及心房颤动的自我管理水平达到间接改善不良预后的目标。

3.2.2 心房颤动类型

心房颤动类型按疾病的发作时间特点可分为阵发性心房颤动、非阵发性心房颤动(持续性心房颤动及长程持续性心房颤动)。本研究结果表明,持续性和长程持续性心房颤动病人易表现为无症状性。对于阵发性心房颤动病人而言,心房颤动发作与发作前心率有明显的感知差异:其发作时心律突然由窦性心律转为心房颤动节律,病人因不能适应突然加快的心率而产生明显心悸、心慌等心脏特异性症状[21]。而持续心房颤动病人因心房颤动心律持续时间长,病人逐渐适应了异常的心房颤动节律,从而不易察觉心房颤动相关的明显症状[22]。另一方面,持续/长程持续性心房颤动类型是心房颤动病人认知障碍的危险因素[23],可通过无症状脑梗死、脑微出血、慢性脑低灌注等机制增加其认知障碍的风险。而认知功能障碍会削弱病人对疾病的感知和自我管理能力[24]。有研究发现,认知障碍的病人存在对心房颤动知识了解不足的情况[25]。以上多种因素可导致病人心房颤动发作时症状体验感欠缺。因此,对于缺乏症状警示的持续性心房颤动病人,教会其正确地自测脉搏、使用血压仪,鼓励其利用可穿戴设备长期动态监测心律。另外,由于该类病人较长时间的异常心律,血流动力学改变易形成血栓而发生栓塞事件,同时也要保证病人口服抗凝药的依从性。

3.2.3 衰弱

本研究结果发现,处于衰弱前期的病人与无衰弱者相比更易产生明显的症状。与林海蓉等[17]研究结果一致。衰弱是一种与年龄相关性临床症状群,指老年人生理储备下降导致机体易损性增加、抗应激能力减退的非特异性状态。衰弱老人表现出对应激易感性增加,即经历外界较小的刺激即可产生一系列临床负性事件[26]。Koca等[27]认为炎症是老年病人发生心房颤动和衰弱的共同病理生理机制。慢性炎症可导致血管重构、血管弹性下降、动脉僵硬程度增加[28]。而动脉僵硬进一步造成左室舒张功能障碍,产生心房颤动相似的症状,另外还会造成心房重构,促进心房颤动的发生发展,从而出现心房颤动相关的症状[29]。另一方面,在心房颤动合并衰弱的病人中,慢性炎症介导了肾素-血管紧张素-醛固酮系统(RAAS)活性增高,增强了转化生长因子β(TGF-β)在骨骼肌和心肌中的纤维化作用,同样促进心房颤动发生发展。那么对于无衰弱的心房颤动病人,其对外界应激反应不太敏感,对心房颤动的抗应激能力较好,可能不会产生强烈的感觉。由于该类病人整体身体功能较好,除了长期监测心律及心率外,还要提高其心房颤动相关知识水平,加强对疾病及并发症的重视,防止因疏忽症状警示而延迟治疗,导致各种不良事件发生。

4、小结

无症状性心房颤动的检出率受病人的心房颤动负荷、检测时间窗、检测手段等影响。总之,无症状性心房颤动病人较为常见。性别、心房颤动类型、衰弱是无症状心房颤动病人的影响因素。因此,医护人员应针对影响无症状心房颤动的因素,加强对高危人群的健康教育,提高其心房颤动相关知识水平,引起病人对有关并发症的重视。同时建议病人通过自我监测或可穿戴设备进行长期动态的心律监护,来“弥补”因缺乏症状信号而延迟医疗干预的盲点。

参考文献:

[4]中华医学会心电生理和起搏分会,中国医师协会心律学专业委员会,中国房颤中心联盟心房颤动防治专家工作委员会.心房颤动:目前的认识和治疗建议(2021)[J].中华心律失常学杂志,2022,26(1):15-88.

[5]胡耀武,田志文,车鸿平,等.无症状性心房颤动患者临床特征和预后分析[J].中国循环杂志,2021,36(3):278-282.

[12]何筱衍,李春波,钱洁,等.广泛性焦虑量表在综合性医院的信度和效度研究[J].上海精神医学,2010,22(4):200-203.

[13]张文娟,刘瑞平.中国老年人社会隔离的影响因素分析[J].人口研究,2016,40(5):75-91.

[14]张秀秀,王慧,田双双,等.高维数据回归分析中基于LASSO的自变量选择[J].中国卫生统计,2013,30(6):922-926.

[15]王斌会.计量经济学模型及R语言应用[M].广州:暨南大学出版社出版,2015:1.

[16]毕亚艳,李智博,黄永麟.无症状心房颤动的临床意义及处理[J].中华心律失常学杂志,2006,10(5):361-363.

[17]林海蓉,杨慧锋,许志英,等.心房颤动患者症状负担及其影响因素分析[J].护理学杂志,2022,37(21):1-5.

[22]张泽营,李涛,李伏,等.无症状性心房颤动的研究进展[J].宁夏医学杂志,2020,42(1):88-91.

[23]王佳,曹景颖,孙莹,等.中老年心房颤动患者轻度认知功能障碍的影响因素分析[J].中国心血管病研究,2021,19(5):445-449.

[24]张慧,陈霞,谢非,等.心房颤动患者自我管理的研究进展与启示[J].护理实践与研究,2022,19(8):1152-1157.

基金资助:中华医学会杂志社护理学科研究课题项目,编号:CMAPH-HRD2021015;

文章来源:张艺卓,许志英,赵瑾云,等.心房颤动病人无症状心房颤动现状及影响因素[J].循证护理,2024,10(18):3326-3332.