论文部分内容阅读
目的探讨全麻患者苏醒期躁动(Emergence Agitation,EA)发生的现状,识别可能影响全麻患者苏醒期躁动的因素,建立全麻患者苏醒期躁动风险预测模型,为苏醒期易患躁动的高风险患者提供筛查工具,为临床工作等决策的制定提供依据。方法通过查阅大量文献资料和专家会议法构建《全麻患者苏醒期躁动风险调查表》,采用便利抽样法选取2019年1月-2019年8月山东省青岛市某三甲医院手术室全麻术后入麻醉恢复室(postanesthesia care unit,PACU)500名患者为研究对象。采用躁动风险调查表、躁动评分表调查PACU内全麻患者苏醒期发生躁动的临床资料和EA的现状。采用SPSS 22.0统计软件,将建模组的333名全麻患者苏醒期的相关资料整理进行单因素分析,将得到的全麻患者苏醒期躁动的显著性影响因素采用向后-Wald逐步选择法进行多因素Logistic回归分析,排除最小Wald值对应的影响变量,最终获得的所有变量都达到显著水平。建立全麻患者苏醒期躁动风险预测模型,采用Hosmer-Lemeshow检验来验证模型的拟合优度,P>0.05表示模型拟合度较好。将模型应用于验证组,得到AUC值(曲线下面积),通过绘制ROC曲线(受试者工作特征曲线)进一步判断全麻患者苏醒期躁动风险预测模型的准确度、灵敏度、特异性,以预测概率P=0.5为判定点,P值大于0.5即认为发生躁动,ROC曲线下面积AUC越接近1,说明该模型的预测效果越好。结果1.全麻患者苏醒期躁动单因素分析:年龄(P<0.001,t=34.7)、性别(P<0.001,c2=30.88)、体重指数(Body Mass Index,BMI)(P<0.001,t=43.58)、状态焦虑程度(P<0.001,c2=45.19)、麻醉方式(P<0.001,c2=15.73)、B超引导下神经阻滞(P<0.001,c2=36.52)、手术类型(P<0.001,c2=23.82)、手术类别(P<0.001,c2=51.11)、导尿管(P<0.001,c2=85.71)、催醒药物(P<0.001,c2=77.565)、术中出血量(P<0.05,t=6.04)、静脉自控镇痛(P<0.001,c2=71.8)、疼痛评分(NRS)(P<0.001,t=87.83)。2.进一步多因素Logistic回归分析得出EA的影响因素:静脉自控镇痛X10(P <0.001,OR=0.007,95%CI:0.01-0.062)、B超引导下神经阻滞X5(P<0.001,OR=0.121,95%CI:0.039-0.376)、导尿管留置X8(P=0.003,OR=2.645,95%CI:1.396-5.010)、手术类型X6(P=0.004,OR=1.499,95%CI:1.142-1.967)、疼痛评分(NRS)X11(P<0.001,OR=3.670,95%CI:2.285-5.897)。3.最终确定全麻患者苏醒期躁动风险预测Logistic回归模型:Logit(Y)=ln(p/1-p)=-11.069-2.112*B超引导下神经阻滞-4.929*静脉自控镇痛+0.405*手术类型+0.972*导尿管留置+1.300*疼痛评分可能发生苏醒期躁动的概率公式:P=Exp(-11.069-2.112*B超引导下神经阻滞-4.929*静脉自控镇痛+0.405*手术类型+0.972*导尿管留置+1.300*疼痛评分)/[1+Exp(-11.069-2.112*B超引导下神经阻滞-4.929*静脉自控镇痛+0.405*手术类型+0.972*导尿管留置+1.300*疼痛评分]4.全麻患者苏醒期躁动风险预测模型验证:经Hosmer-Lemeshow检验其拟合优度可行,其χ2=1.712,df=8,P=0.989;建模组模型验证ROC曲线下面积AUC=88.1%,验模组模型验证ROC曲线下面积AUC=80.7%,灵敏度为83.87%(26/31),特异性为83.08%(113/136),准确度为83.23%(1139/167)。结论手术类型、导尿管、静脉自控镇痛、疼痛评分(NRS)和B超引导下神经阻滞是全麻患者苏醒期发生躁动的独立预测因素,其中手术类型、导尿管、疼痛评分(NRS)是躁动发生的危险因素;静脉自控镇痛、B超引导下神经阻滞是躁动发生的保护因素。构建的全麻患者苏醒期躁动风险预测模型,通过验证具有良好的预测价值,该预测模型方便可行、预测的性能较为稳定,可为麻醉恢复室人员有效预测、筛选全麻患者苏醒期发生躁动提供指导意见。