摘要
目的：本研究旨在评估ICU护士睡眠障碍的发生率并结合工作－家庭资源理论多方面分析 ICU 护士睡眠障碍的影响因素，以构建 Logistic 回归预测模型、决策树及随机森林预测模型，并评价及验证其预测效能。以供 ICU 护士参考本研究中的睡眠障碍风险预测模型进行自我对照，为其选择适当的睡眠障碍缓解方式提供参考和依据。 方法：采用按比例分层整群抽样法，于2023年3月～5月对四川省16家三级甲等医院的361名ICU护士进行横断面调查。使用一般资料调查表、匹兹堡睡眠质量指数量表、简易心理韧性量表、中国护士工作压力源量表中职业前景维度、家庭压力量表、领悟社会支持量表中家庭支持维度对 ICU 护士睡眠现状进行调查并分析相关影响因素。本研究采用 SPSS 26.0 和R 4.3.1 对数据进行统计学分析。首先，通过单因素分析筛选ICU护士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。其次，运用Logistic回归分析法、决策树分类法及随机数森林分别构建睡眠障碍的风险预测模型，探讨 ICU 护士发生睡眠障碍的独立危险因素。最后使用软件绘制ROC曲线，计算模型的敏感度、特异度、AUC值等对模型进行评价，使用Bootstrap重抽法进行内部验证。另外，外部验证集在重庆市等三级甲等综合医院重症监护室收集数据，以了解其推广性。 结果： 1. ICU护士睡眠障碍的发生率为57.9%。 2. 睡眠障碍组与非睡眠障碍组ICU护士单因素分析结果差异有统计学意义（P＜0.05）的影响因素为：性别、BMI、工作压力、每月夜班频率、负性情绪、疲劳、患有慢性疾病、体育锻炼习惯、咖啡因饮料摄入、午睡习惯、职业前景评分、家庭压力评分、家庭支持评分及心理韧性评分。 3. Logistic回归分析结果显示性别、疲劳、负性情绪、职业前景评分、家庭压力评分是ICU护士睡眠障碍的独立危险因素。 4. 基于基尼系数建立的决策树模型，结果显示负性情绪、家庭压力评分、家庭支持评分、职业前景评分、工作压力、疲劳、咖啡因饮料摄入、体育锻炼习惯是ICU护士睡眠障碍的独立危险因素。 5.调优后的随机森林预测模型将单因素中有统计学意义影响因素除 BMI 外，均纳入模型。 6. Logistic 回归预测模型的敏感度和特异度分别为 72.7%和 73.0%，AUC 为0.790。决策树模型的敏感度为78.9%，特异度为66.4%，AUC为0.763。随机森林预测模型AUC值为0.832，其灵敏度为78.0%，特异度为72.4%。 结论：结合模型内外部验证综合评估，随机森林预测模型更优，其次为Logistic回归模型，决策树预测模型表现不稳定。随机森林模型稳定且外部验证结果好，有更好的推广价值。
NETL