论文部分内容阅读
目的:了解癌症患者认知功能障碍的现状;基于Ahles癌症患者认知变化预测模型探讨社会人口学因素、认知储备、疾病特征、生理因素、心理因素、生活方式与癌症患者认知功能障碍风险的关系,明晰癌症患者认知功能障碍的影响因素。
方法:于2020年7月至2020年11月选取山东省济南市某三级甲等医院放化疗科两病区的癌症患者作为研究对象,调查工具主要包括:癌症患者功能评估—认知功能量表(Functional Assessment of Cancer Therapy-Cognitive Function,FACT-cog Versions3)感知到的认知障碍分维度、病人健康问卷抑郁模块(Patient Health Questionnaire,PHQ-9)、广泛性焦虑量表(7-item Generalized Anxiety Disorder Scale,GAD-7)、慢性病治疗功能评估-疲乏量表(Functional Assessment of Chronic Illness Therapy-Fatigue,FACIT-F Version 4)、匹兹堡睡眠质量指数(Pittsburgh Sleep Quality Index,PSQI)。另外采用自编的社会人口学资料调查表收集癌症患者的社会人口学及生活方式资料、通过查阅病例收集患者的疾病特征资料。采用SPSS26.0进行统计描述、卡方检验及Logistic回归分析,采用R4.0.3软件绘制Nomogram图呈现癌症患者认知功能障碍的预测模型,并进行模型验证。
结果:
1.339名癌症患者的一般人口学特征:参与对象的平均年龄为59.5±9.2岁;男性居多(70.8%);30.7%参与者患有呼吸系统癌症(肺癌),50.4%参与者患有消化系统癌症(食管癌、胃癌、直肠癌、结肠癌等),18.6%参与者患有其他癌症(鼻咽癌等);77.6%参与者处于临床Ⅲ-Ⅳ期;27.1%参与者合并心血管疾病,5.3%参与者合并糖尿病。
2.本研究中28.3%的癌症患者报告存在认知功能障碍。单因素分析结果显示有无认知功能障碍的癌症患者在是否合并心血管疾病(P=0.001)、不同教育储备(P=0.027)、有无抑郁症状(P<0.001)、有无焦虑症状(P<0.001)、高低疲乏症状(P<0.001)、有无睡眠质量问题(P=0.002)上差异具有统计学意义。
3.多因素Logistics回归结果显示,在纳入单因素分析中有统计学意义(P<0.1)的变量后,合并心血管疾病的癌症患者发生认知功能障碍的风险是未合并心血管疾病的癌症患者的2.627倍(OR=2.627,95%CI=1.495-4.618,P=0.001);低教育储备的患者发生认知功能障碍的风险是高教育储备者的2.078倍(OR=2.078,95%CI=1.191-3.627,P=0.010);有抑郁症状的癌症患者发生认知功能障碍的风险是无抑郁症状患者的2.890倍(OR=2.890,95%CI=1.608-5.195,P<0.001);高疲乏症状的癌症患者发生认知功能障碍的风险是低疲乏症状患者的4.479倍(OR=4.479,95%CI=2.197-9.131,P<0.001).
4.在多因素Logistics回归结果的基础上,构建Nomogram预测模型,并采用Bootstrap自抽样法对其进行内部验证,C-统计量为0.757(95%CI=0.703-0.811),ROC曲线下面积为AUC=0.757,证明模型的区分度较好。模型的校准曲线与标准线接近,提示模型的校准度较好。
结论:
1.癌症患者的认知功能障碍发生率高,亟需关注。
2.合并心血管疾病、低教育储备、抑郁症状、高疲乏症状是癌症患者发生认知功能障碍的独立风险因素。
3.本研究构建了简单直观的Nomogram预测模型,其具有良好的区分度和校准度,能直观准确评估癌症认知功能障碍的发生风险,但仍需在大样本纵向研究中进一步探讨其适用性。
方法:于2020年7月至2020年11月选取山东省济南市某三级甲等医院放化疗科两病区的癌症患者作为研究对象,调查工具主要包括:癌症患者功能评估—认知功能量表(Functional Assessment of Cancer Therapy-Cognitive Function,FACT-cog Versions3)感知到的认知障碍分维度、病人健康问卷抑郁模块(Patient Health Questionnaire,PHQ-9)、广泛性焦虑量表(7-item Generalized Anxiety Disorder Scale,GAD-7)、慢性病治疗功能评估-疲乏量表(Functional Assessment of Chronic Illness Therapy-Fatigue,FACIT-F Version 4)、匹兹堡睡眠质量指数(Pittsburgh Sleep Quality Index,PSQI)。另外采用自编的社会人口学资料调查表收集癌症患者的社会人口学及生活方式资料、通过查阅病例收集患者的疾病特征资料。采用SPSS26.0进行统计描述、卡方检验及Logistic回归分析,采用R4.0.3软件绘制Nomogram图呈现癌症患者认知功能障碍的预测模型,并进行模型验证。
结果:
1.339名癌症患者的一般人口学特征:参与对象的平均年龄为59.5±9.2岁;男性居多(70.8%);30.7%参与者患有呼吸系统癌症(肺癌),50.4%参与者患有消化系统癌症(食管癌、胃癌、直肠癌、结肠癌等),18.6%参与者患有其他癌症(鼻咽癌等);77.6%参与者处于临床Ⅲ-Ⅳ期;27.1%参与者合并心血管疾病,5.3%参与者合并糖尿病。
2.本研究中28.3%的癌症患者报告存在认知功能障碍。单因素分析结果显示有无认知功能障碍的癌症患者在是否合并心血管疾病(P=0.001)、不同教育储备(P=0.027)、有无抑郁症状(P<0.001)、有无焦虑症状(P<0.001)、高低疲乏症状(P<0.001)、有无睡眠质量问题(P=0.002)上差异具有统计学意义。
3.多因素Logistics回归结果显示,在纳入单因素分析中有统计学意义(P<0.1)的变量后,合并心血管疾病的癌症患者发生认知功能障碍的风险是未合并心血管疾病的癌症患者的2.627倍(OR=2.627,95%CI=1.495-4.618,P=0.001);低教育储备的患者发生认知功能障碍的风险是高教育储备者的2.078倍(OR=2.078,95%CI=1.191-3.627,P=0.010);有抑郁症状的癌症患者发生认知功能障碍的风险是无抑郁症状患者的2.890倍(OR=2.890,95%CI=1.608-5.195,P<0.001);高疲乏症状的癌症患者发生认知功能障碍的风险是低疲乏症状患者的4.479倍(OR=4.479,95%CI=2.197-9.131,P<0.001).
4.在多因素Logistics回归结果的基础上,构建Nomogram预测模型,并采用Bootstrap自抽样法对其进行内部验证,C-统计量为0.757(95%CI=0.703-0.811),ROC曲线下面积为AUC=0.757,证明模型的区分度较好。模型的校准曲线与标准线接近,提示模型的校准度较好。
结论:
1.癌症患者的认知功能障碍发生率高,亟需关注。
2.合并心血管疾病、低教育储备、抑郁症状、高疲乏症状是癌症患者发生认知功能障碍的独立风险因素。
3.本研究构建了简单直观的Nomogram预测模型,其具有良好的区分度和校准度,能直观准确评估癌症认知功能障碍的发生风险,但仍需在大样本纵向研究中进一步探讨其适用性。