摘要
背景：国内外研究证明，睡眠障碍在老年人群中普遍存在。随着中国老龄化社会的快速来临，老年人睡眠障碍问题带来的社会负担进一步加重。老年人随着年龄的增加，自身生理功能下降、身体机能衰退，睡眠障碍会进一步降低老年患者的免疫力，诱发多种疾病，增加疾病负担。目前相关研究报道了居家老人的睡眠障碍问题及其影响因素，部分研究探讨了普通病房住院老人睡眠障碍问题及其影响因素，一些研究探讨了重症病房老年人睡眠问题及其影响因素。但是关于冠心病重症监护室（Coronary Care Unit，CCU）老年患者睡眠障碍的研究报道极少，CCU老年患者发生睡眠障碍，更易导致免疫系统、心血管系统的功能下降，增加感染风险和病死率。因此有必要对CCU老年患者睡眠障碍的现状及其影响因素进行研究。 目的：调查CCU老年患者睡眠障碍现状，确定CCU老年患者睡眠障碍的影响因素，建立CCU老年患者睡眠障碍风险预测模型。对CCU老年患者的睡眠障碍风险进行预测，并及早识别CCU老年患者睡眠障碍的高危个体，为临床采取干预措施预防睡眠障碍提供参考依据，为后期改善CCU老年患者的睡眠质量奠定基础。 方法：采用便利抽样法，对十堰市某三甲医院的430名CCU老年患者进行横断面调查。使用一般资料调查表、中文版理查兹－坎贝尔睡眠量表、疼痛数字评分、简易心理状况评定量表、急性生理与慢性健康状况评分、住院前睡眠质量调查表对CCU老年患者睡眠现状及相关影响因素进行调查。使用SPSS22.0统计工具对数据进行分析，通过单因素分析，筛选CCU老年患者睡眠障碍相关因素中有意义的变量，以p＜0.05代表变量差异有统计学意义。运用Logistic回归分析法和决策树分类法，分别构建睡眠障碍的风险预测模型，探讨CCU老年患者发生睡眠障碍的独立危险因素。采用MedCalc19.1软件绘制受试者操作特征曲线（receiver operating characteristic curve，ROC），计算模型的敏感度和特异度以及ROC曲线下的面积（area under curve,AUC），分析模型的预测效能。 结果： （1）CCU老年患者睡眠障碍的患病率为58.6%。 （2）睡眠障碍组与非睡眠障碍组老年患者单因素分析结果差异有统计学意义（p＜0.05）的因素为：性别、居住情况、心功能分级、日常生活能力评分、夜间有无侵入性操作、简易心理状况评分、噪音评分、疼痛评分、急性生理与慢性健康状况评分、住院前睡眠质量评分。 （3）Logistic回归分析结果显示夜间有侵入性操作，简易心理状况评分Ⅱ级、Ⅲ级，噪音评分，疼痛评分，急性生理与慢性健康状况评分是CCU老年患者睡眠障碍的独立危险因素。 （4）基于卡方自动交互检测法建立的决策树模型结果显示：决策树共分析得到13个节点，其中叶节点7个，深度为4。睡眠障碍的独立影响因素分别为：疼痛评分、噪音评分、急性生理与慢性健康状况评分、性别、简易心理状况评分。 （5）Logistic回归预测模型的敏感度和特异度分别为87.7%和89.9%，AUC为0.939。决策树模型的敏感度为90.87%，特异度为80.90%，AUC为0.927。两个模型的AUC差异无统计学意义（z=1.204，p=0.2285）。 结论：基于Logistic回归分析和分类决策树构建的CCU老年患者睡眠障碍的风险预测模型具有很好的预测效能，两个模型的预测效能相同。疼痛评分、噪音评分、急性生理与慢性健康状况评分、性别、简易心理状况评分、夜间侵入性操作为引起CCU老年患者出现睡眠障碍的独立危险因素。
NETL