投稿问答最小化  关闭

万维书刊APP下载

【文献译读115】重症监护室患者自述症状

2023/12/20 17:15:47  阅读:40 发布者:

文献分享会

研究方法

研究设计和背景

这项前瞻性队列研究是一项多中心观察性研究,旨在调查重症监护室患者入院后第一年的症状和长期预后(NCT 03714230)。患者于201810月至20206月期间从挪威两家医院的六个内科和外科ICU部门连续招募。

 

研究按照《赫尔辛基宣言》中的医学研究伦理原则进行。参与研究的书面知情同意书由患者本人或其家属暂时提供,直到患者能够同意为止。在获得自我同意前死亡的患者将被保留在研究中。地区医学研究伦理委员会批准了本研究(批准号:2017/990-1),各医院的数据保护官员也批准了本研究。本研究遵循《加强流行病学观察性研究的报告》(STROBE)的报告指南。

 

研究对象

所有符合纳入标准的患者均被连续纳入研究,并在可能的情况下通过自我报告或床边护士的代理报告立即开始每日症状评估。如果患者在有能力自我报告并同意的情况下不愿意参与,则删除这些患者的所有数据。本研究仅使用患者自我报告的数据。如果患者在病历中存在预定义的认知缺陷(如痴呆)、无家可归、无法阅读和书写挪威文、因器官保存而入院或在 72 小时内再次入住重症监护室,则将其排除在外。

 

研究结果

研究结果是使用患者症状调查(PSS)对第一天和七天内的症状信息进行自我报告。样本 1 中的患者仅对第一天的症状进行了评估;样本 2 中的患者对七天内(包括第一天)的症状进行了评估。入住重症监护病房的第一天定义为入院当天,下午晚些时候入院的患者则定义为第二天(第一个全天)。

 

数据收集

在患者进入重症监护室后,从他们那里收集了关于重症监护室前身体和精神健康信息的患者报告结果测量(PROMs)(重症监护室前数据)。在重症监护室住院期间,要求患者在七天内每天对自己的症状进行一次评分。临床变量来自医疗记录。患者或家属报告了患者的人口统计学信息。

 

重症监护室前

临床虚弱量表(Clinical Frailty ScaleCFS)对患者入住重症监护室前的健康状况进行主观判断。虚弱程度分为九个等级,从非常虚弱到病入膏肓。该工具已被证明有效、可靠且易于使用,即使是年轻的重症患者也不例外。CFS分为三类:非虚弱、前期虚弱和虚弱。通过计算夏尔森合并症指数(CCI)来确定患者的合并症前情况。

 

使用医院焦虑抑郁量表(HADS)测量患者入住 ICU 前的焦虑和抑郁程度。该量表由 14 个项目组成,包含两个分量表,每个分量表有 7 个问题:HADS-焦虑(HADS-A)和 HADS-抑郁(HADS-D)。两者均采用李克特量表(0-3)计分。每个分量表的总分范围为 0 21 分。每个分量表都表示焦虑或抑郁状态,切分≥8 分表示焦虑和抑郁状态。HADS 在挪威一家急症医疗单位的住院患者中显示出良好的心理测量特性。

 

人口统计学和临床数据

人口统计学数据包括年龄、性别、教育程度、同居情况和工作情况。从病历中收集患者家属探视(评估前四小时内)和评估前六小时内用药(即阿片类药物或镇静剂,是/否)的数据。警觉或躁动程度根据研究护士在症状评估期间完成的里士满躁动-镇静量表(RASS)进行分类。关于疾病强度,我们从病历中收集了简化急性生理学评分 IISAPS II)的数据。除了有创机械通气(IMV)和无创机械通气(NIV)的数据外,我们还从医疗记录中收集了入住 ICU 的类型(即外科或内科)和入住 ICU 的主要原因(如呼吸系统、循环系统、肠胃病)的数据。

 

症状评估

症状评估采用 PSS 症状检查表,这是一份由 10 个项目组成的症状清单,由经过验证的埃德蒙顿症状评估量表发展而来,并根据 ICU 患者的情况进行了调整。Puntillo 及其同事在之前的一项试点研究中测试了 10 项症状清单的面效度,结果显示应答者能够区分不同的症状以及症状的强度和痛苦范围。后来,当谵妄患者和非谵妄患者能够区分症状存在与否以及症状强度和痛苦程度时,面效性也得到了证实。在本研究中,我们根据 Chanques 等人的建议,从原始 PSS 中选取了五个症状(即疼痛、口渴、焦虑、疲倦和气短),以增加数据收集的可行性。研究小组在挪威重症监护病房患者中对包含五种症状的修改后核对表进行了面效度和可行性试点测试。患者被要求对其当下的症状进行评分。强度以 0-10 分的李克特量表进行测量(0 = 无强度,10 分(0 = 可能的最差强度)),痛苦以 0-10 = 无痛苦,10 = 可能的最大痛苦)。研究小组的所有成员都接受了培训,以确保症状评估和报告的一致性。在数据收集过程中还会重复培训,以确保遵守程序。

 

统计分析

分类数据以计数和百分比表示,连续数据以平均值和标准差 (SD) (正态分布数据)或中位数和四分位数间距 (IQR) (偏态分布数据)表示。

 

由于同一患者最多可报告七天,因此存在统计依赖性,我们使用广义估计方程(GEE)方法拟合了多变量线性回归模型。GEE 允许在不同时间点随机缺失数据,例如无需估算。

 

每个选定的症状都有一个拟合模型。该模型研究了作为因变量的五种症状(即口渴、疼痛、焦虑、疲倦和气短)与相同的一系列可能的预测因素(即年龄、性别、SAPS IICCI、虚弱评分、入住 ICU 的主要原因、入住 ICU 的类型、HADS-A 总分、HADS-D 总分、受教育程度、MV 治疗、镇痛剂使用、镇静剂使用、入住 ICU 期间的探视次数)之间的关联。这些可能的预测因素的选择是基于经验和临床考虑,并经研究小组一致同意后确定的。

 

我们对所选的协变量和结果变量进行了为期七天的评估。GEE 模型估算的是在特定时间段内评估的协变量对同一时间段内平均结果的总体影响。因此,我们估算的是协变量对结果平均水平的平均影响。

 

如果患者没有症状,则每种症状的编码为 0,任何高于 01-10)的评估值都被编码为症状强度。此外,每名患者七天内的所有症状评估结果都将合并为一个平均强度得分。第一步,对所有自变量进行单变量分析。第二步,将单变量分析中 p 值小于 0.10 的变量纳入多变量模型,并根据年龄和性别对模型进行进一步调整。GEE 模型的结果以回归系数(估计 β 值及 95% 置信区间 (CI))表示。在多变量模型中,P 值小于 0.05 被认为具有统计学意义。统计分析使用 SPSS 28 for Windows进行。

 

研究结果

患者特征

共有 1234 名患者符合纳入标准,其中 603 名符合纳入标准。其中,195 名患者可在入住重症监护室第一天自我报告症状(样本 1),353 名患者可在入住重症监护室期间一次或多次自我报告症状(样本 2)(图 1),因此构成了本研究的两个样本。在七天的评估中,患者的中位年龄为 63 岁(IQR 48-73),60.3% 为男性,其中大部分患者(63.5%)因医疗原因入院。38.8%的患者接受了 IMV 治疗,22.4%接受了 NIV 治疗。在 IMV 患者中,有 18 名患者在症状评估期间进行了口腔插管,其中 5 名患者提供了完整的症状评估(普遍性、强度、痛苦),13 名患者只能报告是否存在症状(是/否)。入住重症监护室最常见的原因是呼吸系统(21.5%)、循环系统(17.6%)和肠胃系统(16.7%)衰竭。重症监护室住院时间中位数为 2.8 天(IQR 1.7-5.2 天),SAPS II 评分中位数为 38 分(IQR 28-50)。除入住 ICU 的主要原因和使用 IMV 的时间外,样本 1 和样本 2 的临床和人口统计学变量相似(表 1)。

 

入住重症监护室第一天的症状发生率、强度和痛苦程度(研究样本 1

在入住重症监护室的第一天,有 195 名患者能够自我报告症状(表 2)。口渴是最常见的症状(66%),平均强度得分最高(6.1395%CI [5.7-6.56])。焦虑是发病率最低的症状(24%),但其平均痛苦程度得分最高(5.2495%CI [4.32-6.15])。

 

七天内症状的发生率、强度和痛苦程度(研究样本 2

七天内,353 名患者共自我报告症状 668 次(中位数为每名患者 2 次)(表 2)。大多数患者在第三天前出院(重症监护室住院时间(LOS)中位数:2.8 天),因此每位患者的评估次数较少。

 

口渴是最普遍(64%)和最强烈(6.0595%CI [5.81-6.3])的症状。焦虑是七天内发病率最低的症状(25%),但平均痛苦评分最高(5.4695%CI [4.95-5.98])。疼痛的平均强度评分最低(4.6195%CI [4.31-4.9]),疲倦的平均痛苦评分最低(3.595%CI [3.13-3.87])。

 

口渴强度与可能的预测因素之间的关系(研究样本 2 对所有五种症状的可能预测因素进行多变量 GEE 分析的结果列于表 3a-e。口渴强度的 GEE 模型显示,脓毒症诊断(B=1.7195%CI [0.58-2.84])和镇痛剂用药(B=0.8895%CI [0.18-1.59])与口渴强度增加有关(表 3a)。

 

年龄增加(B=-0.0495%CI [-0.07-0.02])与疼痛强度降低有关。接受 MV 与较低的疼痛强度评分相关(B=-0.995%CI [-1.48 -0.32]),在症状评估前最后六小时内使用镇痛剂与较高的疼痛强度评分相关(B=195%CI [0.49-1.5])(表 3b)。在重症监护室住院期间有家人探视与焦虑增加有关(B=0.6495%CI [0.04-1.24])(表 3c)。女性性别与呼吸急促程度增加有关(B=0.5695%CI [0-1.11])(表 3e)。在多变量分析中,所选的可能预测因素均与疲倦程度无关(表 3d)。

转自:“一起学科研”微信公众号

如有侵权,请联系本站删除!


  • 万维QQ投稿交流群    招募志愿者

    版权所有 Copyright@2009-2015豫ICP证合字09037080号

     纯自助论文投稿平台    E-mail:eshukan@163.com