Mediating effect of acceptance of illness between caregivers' positive feelings and self-management behavior in patients with inflammatory bowel disease
-
摘要:目的
探讨炎症性肠病(IBD)照顾者积极感受与患者疾病接受度、自我管理行为的关系。
方法采用便利抽样法选取IBD患者214例为研究对象, 采用一般资料调查表、照顾者积极感受量表、疾病接受度量表、自我管理行为量表对患者及照顾者进行调查。采用Pearson相关性分析探讨三者的关联性，通过AMOS建立结构方程模型, Bootstrap对模型进行二次检验，分析患者疾病接受度在照顾者积极感受与患者自我管理行为间的中介效应。
结果IBD照顾者积极感受、患者疾病接受度及自我管理行为均处于中等水平。女性照顾者及近2年发作住院次数较多、文化程度较高、工作学习受疾病影响较大的患者的家庭照顾者的积极态度评分较低(P<0.05)。照顾者为女性、年龄较小，疾病处于活动期、近2年发作住院次数较多、工作学习受疾病影响较多的患者疾病接受度较低(P<0.05)。照顾者性别、近2年发作住院次数、工作学习状态均为患者自我管理行为的影响因素(P<0.05)。IBD照顾者积极感受、患者疾病接受度与自我管理行为均呈正相关(r=0.425, P<0.01; r=0.593, P<0.01), 患者疾病接受度与自我管理行为亦呈正相关(r=0.607, P<0.01)。中介效应分析显示，患者疾病接受度在照顾者积极感受与患者自我管理行为间具一定程度中介效应。
结论IBD照顾者积极感受、患者疾病接受度对提升患者自我管理行为十分重要。临床医务人员可通过针对性干预，给予患者及照顾者更多的支持途径与疾病管理指导，提升照顾者积极感受与患者疾病接受度，从而提高患者自我管理能力。
Abstract:ObjectiveTo explore the relationships of positive feelings of caregivers of inflammatory bowel disease(IBD)patients with acceptance of illness and self-management behavior of patients.
MethodsA total of 214 IBD patients were selected as study subjects by convenience sampling. Patients and caregivers were investigated by general data questionnaire, Caregiver Positive Feeling Scale, Disease Acceptance Scale and Self-management Behavior Scale. Pearson correlation analysis was used to explore the correlation among the three factors, AMOS was used to establish a structural equation model, Bootstrap was used to test the model for the second time, and the mediating effect of patients' disease acceptance between the positive attitude of caregivers and patients' self-management behavior was analyzed.
ResultsThe caregiver's positive feelings, acceptance of illness and self-management behaviors of IBD patients were in the middle level. The positive feelings of female caregivers and family caregivers of IBD patients with more times of hospitalization in recent 2 years, higher education level and work and study more affected by disease were lower (P<0.05). The positive attitude scores of female caregivers and family caregivers of patients with more times of hospitalization in recent two years, higher education level, and greater impact on work and study by disease were lower (P<0.05). The gender of the caregiver, the times of hospitalization in the past two years, and the status of work and study were all influencing factors of patients' self-management behavior (P<0.05). There were positive correlations of IBD caregivers' positive feelings, patients' acceptance of illness with self-management behavior (r=0.425, P<0.01; r=0.593, P<0.01), acceptance of illness was positively correlated with self-management behavior (r=0.607, P<0.01). The mediating effect analysis showed that patients' acceptance of illness had a certain degree of mediating effect between caregivers' positive feelings and patients' self-management behavior.
ConclusionPositive attitude and acceptance of illness of IBD patients are very important for improving patients' self-management behavior. Targeted intervention by clinical staff can provide more support channels and disease management guidance to patients and caregivers, improve caregivers' positive attitude and disease acceptance, thereby improving patients' self-management behavior.
-
围产期抑郁症(PND)是指妇女在怀孕、分娩及产后康复期间产生抑郁情绪并达到一定严重程度[1]。研究[2]表明，低中等收入水平国家的孕产妇PND患病率高达48.5%, 远高于高等收入水平国家。中国孕产妇的PND总体患病率为16.3%(产前抑郁症为19.7%, 产后抑郁症为14.8%)，且近10年呈明显上升趋势[3]。若未及时治疗, PND可能引起不良妊娠结局、低体质量儿、母婴关系不佳或亲情缺失、自杀或杀婴等不良后果[4]。随着大数据时代的来临，基于机器学习(ML)算法的人工智能(AI)模型越来越多地被用于疾病的诊断、分型及预后预测等方面[5-6]。基于ML算法，联合多个临床量表以及人口学特征、环境因素构建诊断模型，并开发界面友好、易于操作的辅助数字医疗APP或小程序，不仅无创、成本低廉，而且有利于推广，但目前仅有少量研究[7-8]构建并评估了基于量表开发的孕产妇抑郁诊断模型。本研究对产前抑郁和产后抑郁诊断算法进行探索与验证，以期明确诊断孕产妇抑郁的最优算法。
1. 对象与方法
1.1 研究对象
本研究中的研究对象资料均来源于苏州市临床诊疗专项研究数据库，共纳入符合条件的孕产妇5 814例，其中产前研究对象4 665例、产后研究对象1 149例。本研究经苏州市广济医院伦理委员会审核批准，伦理批件号为苏广伦审2016-010。
1.2 方法
1.2.1 资料收集
① 人口学变量。收集研究对象的人口学特征资料，包括年龄、是否独生子女(DSYN)、教育水平(JYSP)、婚姻状况(HYZT)、家族精神病史(qrmh)、婆媳关系(PXMYD)、是否首次妊娠(HRCS)、居住条件(JZTJ)、向孩子发脾气的冲动( EPDS11)。②量表维度变量。本研究调查量表包括艾森克个性量表(EPQ)、社会支持量表(SSRS)、特质应对方式量表(TCSQ)、睡眠质量量表(PSQI)、轻躁狂症评估量表(HCL-32)、心理障碍问卷(MDQ)、广泛性焦虑问卷(GAD)、患者健康问卷抑郁量表(PHQ-9)。将各量表分别分解为不同的维度变量进行分析，最终共得到19个量表维度变量，可从不同角度评估孕产妇的心理健康状况，见表 1。
表 1 各调查量表的维度变量名称及评分说明量表名称 量表维度 变量名称 评分说明 EPQ 艾森克个性测试交际维度(e) epq_e 评分高表示爱交际 艾森克个性测试情绪维度(n) epq_n 评分高表示情绪不稳定 艾森克个性测试关心他人维度(p) epq_p 评分高表示不关心他人 艾森克个性测试情感掩饰性维度(l) epq_l 掩饰性，高低不确定 SSRS 社会支持客观支持分 SSRS_K — 社会支持主观支持分 SSRS_Z — 对支持的利用度 SSRS_L — TCSQ 特质应对方式消极总分 TCSQ_NC — 特质应对方式积极总分 TCSQ_PC — PSQI 睡眠质量主观感受 PSQI_14 0~3分，评分越高表示睡眠质量主观感受越差 睡眠时间 NPSQI24 0~3分，评分越高表示睡眠时间越短 睡眠持续性 PSQI_3 0~3分，评分越高表示睡眠持续性越差 睡眠效率 NPSQI13 0~3分，评分越高表示睡眠效率越差 睡眠障碍 NPSQI513 0~3分，评分越高表示睡眠障碍越高 催眠药物 PSQI_15 0~3分，评分越高表示催眠药物用得越多 睡眠日间功能 NPSQI1617 0~3分，评分越高表示睡眠日间功能越差 HCL-32 有无轻躁狂症异常 NHCL32 二分类变量，1为有轻躁狂症异常(总分≥14分) MDQ 有无心理障碍异常 NMDQ 二分类变量，1为有心理障碍异常(总分≥6分) GAD 有无广泛性焦虑 NGAD 二分类变量，1为有广泛性焦虑(总分≥10分) 1.2.2 结局判定
第5版《精神疾病诊断与统计手册》(DSM-5)推荐将9条目患者健康问卷抑郁量表(PHQ-9)[9]作为临床抑郁筛查及抑郁严重程度评估的首选工具。PHQ-9具有良好的内部一致性，Conbach′s α系数为0.8~0.9[10]。本研究根据PHQ-9评分判定孕产妇抑郁结局, PHQ-9评分≥10分为抑郁阳性, < 10分为抑郁阴性。
1.2.3 数据预处理
由于实际人群的抑郁阳性率较低(10%~15%)，模型拟合过程中容易产生灵敏度较低的现象。鉴于此，本研究采用倾向性评分匹配法，以年龄作为匹配变量，对病例组进行1∶ 1匹配，产前研究对象成功匹配201对，产后研究对象成功匹配52对。在此基础上构建模型，可更准确地筛选较优的算法。
1.2.4 特征选择变量
采用单因素分析法和去除多重共线性方法进行特征选择。分别对产前、产后的抑郁与非抑郁人群的8个人口学特征、19个量表维度变量的分布情况进行描述及比较，探讨相关因素。正态分布的计量资料采用(x±s)描述，非正态分布的计量资料采用[M(P25, P75)]描述，计数资料采用[n(%)]描述，组间比较分别采用t检验、秩和检验、卡方检验或Fisher确切概率法。所有分析为双侧，显著性水准为α=0.05。计算19个量表维度变量间的Pearson相关系数，将2个变量间的|r|>0.7定义为高度线性相关。若2个变量呈高度线性相关，则选择保留临床可解释性更高的其中1项特征变量。
1.2.5 模型构建及算法筛选
本研究基于5种ML算法即Logistic回归模型、随机森林(RF)、支持向量机(SVM)、极限梯度提升树(XGBoost)和反向传播(BP)神经网络[11]，分别纳入全部变量及特征选择变量集构建产前抑郁、产后抑郁预测模型。绘制受试者工作特征(ROC)曲线评估模型性能，采用5折交叉验证方法计算评价指标，指标包括灵敏度、特异度和曲线下面积(AUC)。此外，基于5种算法对所有变量进行变量重要性排序。所有分析采用SAS 9.4软件和R 4.3.0软件进行分析。
2. 结果
2.1 产前、产后研究对象抑郁状态的单因素分析
产前研究对象中，抑郁阳性者在JYSP、qrmh、HRCS、PXMYD、EPDS11方面与抑郁阴性者比较，差异有统计学意义(P < 0.05); 产后研究对象中，抑郁阳性者在 DSYN、EPDS11 方面与抑郁阴性者比较，差异有统计学意义(P < 0.05), 见表 2。
表 2 抑郁阴性或抑郁阳性的产前、产后研究对象的人口学特征比较[n(%)]特征 分类 产前研究对象 产后研究对象 抑郁阴性(n=201) 抑郁阳性(n=201) χ2 P 抑郁阴性(n=52) 抑郁阳性(n=52) χ2 P 独生子女 否 129(64.18) 140(69.65) 1.360 0.244 29(55.77) 39(75.00) 4.248 0.039 是 72(35.82) 61(30.35) 23(44.23) 13(25.00) 教育水平 小学及以下 3(1.49) 0 — 0.005 1(1.92) 1(1.92) — 0.752 初中 23(11.44) 40(19.90) 5(9.62) 9(17.31) 高中/中专 40(19.90) 51(25.37) 7(13.46) 10(19.23) 大专 62(30.85) 64(31.84) 12(23.08) 11(21.15) 本科 63(31.34) 43(21.39) 23(44.23) 19(36.54) 研究生 10(4.98) 3(1.49) 4(7.69) 2(3.85) 婚姻状况 未婚 2(1.00) 3(1.49) — 0.510 1(1.92) 1(1.92) — 0.135 初婚 191(95.02) 184(91.54) 48(92.31) 45(86.54) 离异 3(1.49) 9(4.48) 1(1.92) 5(9.62) 再婚 4(1.99) 4(1.99) 0 1(1.92) 丧偶 1(0.50) 1(0.50) 2(3.85) 0 家族精神病史 无 90(44.78) 173(86.07) 75.755 < 0.001 51(98.08) 50(96.15) — 1.000 有 111(55.22) 28(13.93) 1(1.92) 2(3.85) 婆媳关系 极其不满意 2(1.00) 3(1.49) — < 0.001 1(1.92) 1(1.92) — 0.068 非常不满意 3(1.49) 4(1.99) 0 2(3.85) 有些不满意 4(1.99) 11(5.47) 2(3.85) 8(15.38) 一般 37(18.41) 67(33.33) 7(13.46) 11(21.15) 有些满意 27(13.43) 35(17.41) 6(11.54) 9(17.31) 非常满意 88(43.78) 59(29.35) 24(46.15) 14(26.92) 极其满意 40(19.90) 22(10.95) 12(23.08) 7(13.46) 首次妊娠 否 89(44.28) 122(60.70) — 0.001 30(57.69) 29(55.77) 0.039 0.843 是 112(55.72) 79(39.30) 22(42.31) 23(44.23) 居住条件 租住 52(25.87) 57(28.36) — 0.766 8(15.38) 13(25.00) — 0.566 有房 146(72.64) 140(69.65) 43(82.69) 38(73.08) 其他 3(1.49) 4(1.99) 1(1.92) 1(1.92) 向孩子发脾气的冲动 无 192(95.52) 132(65.67) 57.265 < 0.001 47(90.38) 36(69.23) 7.220 0.007 有 9(4.48) 69(34.33) 5(9.62) 16(30.77) 产前研究对象中，抑郁阳性者的17个量表维度变量(除 NHCL32、PSQI_15外)与抑郁阴性者比较，差异有统计学意义(P < 0.05); 产后研究对象中，抑郁阳性者的15个量表维度变量(除 NHCL32、NPSQI13、PSQI_15、NMDQ外)与抑郁阴性者比较，差异有统计学意义(P < 0.05), 见表 3。
表 3 抑郁阴性或抑郁阳性的产前、产后研究对象的各量表维度变量比较(x±s)[M(P25, P75)][n(%)]变量 产前研究对象 产后研究对象 抑郁阴性(n=201) 抑郁阳性(n=201) t/χ2/Z P 抑郁阴性(n=52) 抑郁阳性(n=52) t/χ2/Z P epq_e/分 10.00(7.00, 13.00) 9.00(6.00, 13.00) 2.069 0.039 10.69±4.01 10.69±4.01 2.860 0.005 epq_n/分 8.00(4.00, 12.00) 17.00(13.00, 20.00) -12.051 < 0.001 8.00(4.00, 12.50) 18.00(13.50, 20.00) -6.098 < 0.001 epq_p/分 3.00(2.00, 5.00) 5.00(3.00, 7.00) -4.721 < 0.001 4.00(2.00, 5.00) 5.00(3.00, 8.00) -2.955 0.003 epq_l/分 14.00(12.00, 16.00) 12.00(9.00, 14.00) 6.285 < 0.001 14.00(11.00, 16.00) 12.00(9.50, 14.00) 2.956 0.003 SSRS_K/分 10.00(8.00, 12.00) 9.00(7.00, 11.00) 4.118 < 0.001 10.71±3.40 8.90±2.32 3.160 0.002 SSRS_Z/分 23.00(19.00, 27.00) 21.00(17.00, 24.00) 4.243 < 0.001 23.00(19.00, 27.00) 19.00(18.00, 21.00) 3.122 0.002 SSRS_L/分 8.00(7.00, 9.00) 7.00(6.00, 8.00) 4.548 < 0.001 7.50(7.00, 9.00) 6.00(5.00, 8.00) 3.192 0.001 TCSQ_NC/分 22.17±5.87 29.00(25.00, 33.00) -10.553 < 0.001 21.69±7.58 21.69±7.58 -6.490 < 0.001 TCSQ_PC/分 35.00(31.00, 38.00) 31.02±5.69 6.009 < 0.001 36.00(31.00, 40.50) 28.29±5.51 4.810 < 0.001 PSQI_3/分 2.00(0, 3.00) 0(0, 2.00) 5.312 < 0.001 0(0, 2.00) 1.00(0, 2.50) -2.395 0.017 PSQI_14/分 1.00(0, 1.00) 2.00(1.00, 2.00) -9.583 < 0.001 1.00(0, 1.00) 2.00(1.00, 2.00) -4.389 < 0.001 PSQI_15/分 0(0, 0) 0(0, 0) -2.005 0.450 0(0, 0) 0(0, 0) -1.015 0.310 NPSQI24/分 1.00(0, 1.00) 1.00(1.00, 2.00) -6.418 < 0.001 0.50(0, 1.00) 1.50(1.00, 2.00) -4.270 < 0.001 NPSQI13/分 3.00(3.00, 3.00) 3.00(3.00, 3.00) -2.337 0.019 3.00(3.00, 3.00) 3.00(3.00, 3.00) — — NPSQI513/分 1.00(1.00, 1.00) 2.00(1.00, 2.00) -9.138 < 0.001 1.00(1.00, 1.00) 2.00(1.00, 2.00) -5.300 < 0.001 NPSQI1617/分 1.00(1.00, 2.00) 2.00(1.00, 2.00) -6.437 < 0.001 1.00(0, 2.00) 2.00(2.00, 2.00) -5.320 < 0.001 NHCL32 0 140(69.65) 123(61.19) 3.178 0.075 32(61.54) 29(55.77) 0.357 0.550 1 61(30.35) 78(38.81) 20(38.46) 23(44.23) NMDQ 0 184(91.54) 152(75.62) 18.563 < 0.001 47(90.38) 43(82.69) 1.321 0.251 1 17(8.46) 49(24.38) 5(9.62) 9(17.31) NGAD 0 201(100.00) 141(70.15) 70.526 < 0.001 51(98.08) 22(42.31) 38.650 < 0.001 1 0 60(29.85) 1(1.92) 30(57.69) 2.2 不同预测模型的构建与评价
2.2.1 特征变量选择结果
在产前研究对象中，单因素分析得到22个差异有统计学意义的变量，量表维度变量间的相关性分析发现epq_n与TCSQ_NC呈高度相关，两者中保留epq_n, 故最终得到21个特征选择变量。在产后研究对象中，单因素分析得到17个差异有统计学意义的变量，量表维度变量间的相关性分析发现epq_n与TCSQ_NC呈高度相关，两者中保留epq_n, 故最终得到16个特征选择变量。
2.2.2 预测模型评价结果
纳入不同变量的情况下，产前预测模型、产后预测模型5折交叉验证的灵敏度、特异度、AUC均在0.600~0.900范围内; RF算法在产前预测模型(纳入所有变量时, AUC为0.834; 纳入特征选择变量集时, AUC为0.849)和产后预测模型(纳入所有变量时, AUC为0.873; 纳入特征选择变量集时, AUC为0.864)中均为最优算法; 相较于纳入所有变量构建的诊断模型，大部分算法基于特征选择变量集构建的诊断模型性能明显提升，但仍有个别算法提升不明显甚至下降，见表 4、图 1。
表 4 以PHQ_9评分为分界标准的产前、产后预测模型的5折交叉验证结果模型 模型算法 纳入所有变量 纳入特征选择变量集* 灵敏度 特异度 AUC 灵敏度 特异度 AUC 产前预测模型(201对) Logistic 0.805 0.810 0.807 0.815 0.829 0.822 SVM 0.795 0.795 0.795 0.829 0.810 0.820 RF 0.829 0.839 0.834 0.844 0.854 0.849 XGboost 0.790 0.805 0.798 0.805 0.834 0.820 BP 0.771 0.771 0.771 0.820 0.795 0.807 产后预测模型(52对) Logistic 0.764 0.655 0.753 0.873 0.746 0.809 SVM 0.673 0.818 0.746 0.873 0.818 0.846 RF 0.909 0.836 0.873 0.891 0.836 0.864 XGboost 0.818 0.782 0.800 0.891 0.782 0.836 BP 0.891 0.673 0.782 0.836 0.746 0.791 *: 产前预测模型纳入特征选择变量21个，包括JYSP、PXMYD、HRCS、EPDS11、qrmh、epq_e、epq_n、epq_p、epq_l、SSRS_K、SSRS_Z、SSRS_L、TCSQ_PC、PSQI_3、PSQI_14、NPSQI24、NPSQI13、NPSQI513、NPSQI1617、NMDQ、NGAD;
产后预测模型纳入特征选择变量16个，包括DSYN、EPDS11、epq_e、epq_n、epq_p、epq_l、SSRS_K、SSRS_Z、SSRS_L、TCSQ_PC、PSQI_3、PSQI_14、NPSQI24、NPSQI513、NPSQI1617、NGAD。![]()
图 1 纳入不同变量情况下基于5种算法的产前、产后预测模型的ROC曲线A: 产前预测模型(all: 纳入所有变量; sig: 纳入特征选择变量集); B: 产后预测模型(all: 纳入所有变量; sig: 纳入特征选择变量集)。2.3 变量重要性排序
基于5种ML算法，分别对产前、产后研究对象进行变量重要性排序(将27项特征变量按照重要性分数从大到小排列)，见图 2。以RF算法为例: 产前研究对象中，重要性排序前5名的变量分别是epq_n、PSQI_14、qrmh、TCSQ_NC、NGAD; 产后研究对象中，重要性排序前5名的变量分别是NGAD、TCSQ_NC、epq_n、NPSQI513、NPSQI1617。
3. 讨论
孕产妇的心理健康一直是临床中备受关注的话题，但目前国内外尚无特异性的生物学指标，且由于精神专科医师的缺乏及相应访谈评估技术的限制, PND患者很难在首诊的产科及社区及时获得评估与确诊。一项综述[12]指出, 30%~70%的PND病例未被发现，且仅15%的病例接受了适当治疗，故及时筛查并发现PND仍然是医疗保健工作的重要挑战之一。目前，基于ML算法构建孕产妇抑郁诊断预测模型仍然是一个相对不成熟的领域。MATSUO S等[13]基于Logistic回归和另4种ML算法构建预测模型，但预测变量仅选用了基本的临床信息。钟雨婷等[8]开发了一种基于Android平台的产后抑郁心理护理干预系统，该系统仅应用了爱丁堡产后抑郁自评量表，而单一的量表难以反映和解释疾病的全部变异性，故仍需进一步研究。
本研究基于5种ML算法构建产前模型、产后模型，预测性能均良好，其中RF算法表现最优。一方面说明，基于不同ML算法构建的PND诊断模型均预测性能比较稳定，且本研究模型的预测效能相较于其他研究[14]明显提升; 另一方面说明, RF算法对数据的拟合情况更好，对存在多种危险因素疾病患者的预后预测具有独特优势。本研究发现，对于大部分模型而言，纳入特征选择变量集的预测性能相较于纳入全部变量时明显提高。由此提示，用于ML算法的特征需要具备良好的差异性及较低的特征间相关性，这在提升性能的同时还能兼顾临床可解释性。值得注意的是，在产后研究对象中，表现最优的RF算法纳入特征选择变量集所构建的预测模型性能略差于纳入所有变量的预测模型。由此提示, RF算法对于特征选择相对不敏感[15], 且产后抑郁预测模型仍需尽可能多地纳入特征信息。
本研究筛选出的特征选择变量集与既往研究结论基本一致，例如低社会经济地位、经济压力[16]、人际关系、感知支持[17]与PND相关。本研究中，变量重要性排序结果显示(以RF算法为例)，排序前5名的重要变量首先均是单因素分析中差异有统计学意义的变量，其次在既往研究中均被视为重要的预测因素。epq_n反映情绪稳定状态, TCSQ_NC反映应对问题时情绪波动, NGAD反映焦虑情绪变化趋势，这3个变量均与情绪状态有关。张雪莲等[18]发现，情绪调节能力与抑郁水平显著相关，情绪调节能力低者更倾向于消极应对，更容易出现焦虑、抑郁等负向情绪。PSQI_14、NPSQI513、NPSQI1617均与睡眠状态有关。李洋等[19]研究发现，孕期抑郁情绪与睡眠异常等因素有关。Qrmh反映亲人的精神疾病史，一项综述[20]发现家族精神疾病史对于早期识别PND高风险妇女至关重要。
综上所述，基于5种ML算法构建的预测模型均可有效预测孕产妇PND风险，其中以RF算法的表现最优，这为开发快速筛查和诊断PND的辅助工具提供了参考依据。但本研究尚存在一定局限性: ①本研究以PHQ-9评分作为有无PND的分界标准，然而临床中诊断PND的金标准是经过专业训练并取得精神专科医师执照的临床医生的访谈评估结论; ②受样本量和时间的限制，本研究未进行外部验证。本研究团队将在后续实际临床试验中引入精神障碍临床定式结构化访谈(SCID)、简明国际神经精神障碍访谈检查(MINI)等诊断量表并结合临床诊断作为金标准，进一步筛选合适的量表和相应的临床变量。
-
表 1 IBD患者照顾者积极感受、患者疾病接受度与自我管理行为现状(x±s)
分 指标 条目数 条目平均分 总分 自我肯定 5 3.88±0.80 19.41±3.99 生活展望 4 3.88±0.92 15.51±3.68 照顾者积极感受 9 3.88±0.80 34.92±7.22 患者疾病接受度 8 2.92±1.05 23.32±8.39 用药管理 5 3.37±0.69 16.85±3.46 饮食管理 9 2.64±1.01 23.79±9.05 疾病监测 4 3.23±0.92 12.93±3.70 情绪管理 6 2.89±0.96 17.34±5.75 运动管理 3 2.87±0.90 8.62±2.70 日常生活管理 4 2.78±0.91 11.12±3.64 资源利用 5 2.64±0.88 13.18±4.38 患者自我管理行为 36 2.88±0.77 103.83±27.70 
下载: 导出CSV
表 2 IBD照顾者积极感受、患者疾病接受度与自我管理行为的影响因素分析(x±s)
分 观察指标 n 照顾者积极感受评分 F/t/r P 患者疾病接受度评分 F/t/r P 患者自我管理行为评分 F/t/r P 照顾者 性别 3.842 < 0.001 2.307 0.022 3.279 0.001 男 95 36.98±5.91 24.79±8.78 110.62±24.00 女 119 33.28±7.77 22.15±7.92 98.40±29.31 年龄 - 0.113 0.100 0.179 0.009 0.101 0.142 患者 性别 -0.317 0.752 -0.647 0.518 -0.494 0.622 男 137 34.80±6.98 23.04±8.02 103.12±27.83 女 77 35.13±7.68 23.82±9.06 105.08±27.60 年龄 - 0.009 0.893 -0.209 0.672 0.011 0.877 BMI - 疾病类型 0.098 0.922 -0.734 0.464 -0.342 0.733 CD 184 34.94±7.40 23.15±8.50 103.57±27.63 UC 30 34.80±6.14 24.37±7.74 105.43±28.52 疾病活动度 0.968 0.381 4.692 0.010 1.673 0.190 缓解期 147 35.17±6.91 24.30±8.85 105.55±27.84 轻度活动期 31 34.98±6.51 21.86±6.37 102.18±25.44 中重度活动期 3 32.67±10.82 18.61±6.80 93.33±30.65 近2年发作住院次数 3.101 0.028 2.948 0.034 4.509 0.004 0次 47 37.21±7.10 24.87±7.76 107.68±24.34 1~3次 106 35.00±7.32 23.99±8.74 108.29±26.38 >3~<6次 35 33.20±6.80 22.11±8.36 93.91±28.60 ≥6次 26 32.77±6.72 19.42±7.03 92.00±31.86 并发症 1.167 0.244 0.747 0.456 0.709 0.479 无 191 35.12±6.81 23.47±8.47 104.29±27.59 有 23 33.26±10.09 22.09±7.85 99.96±28.95 IBD家族史 无 205 35.19±6.77 23.47±8.45 104.44±27.13 有 9 28.78±13.33 20.00±6.69 89.89±37.78 文化程度 5.107 0.001 0.867 0.484 1.631 0.172 小学及以下 11 42.64±4.99 26.82±7.68 113.09±12.98 初中 38 35.13±7.14 22.50±8.84 95.53±30.02 高中/中专 39 36.64±6.47 22.00±7.68 100.64±26.54 本科/大专 115 33.76±7.44 23.70±8.70 103.64±27.81 研究生及以上 11 32.55±3.11 23.36±6.42 99.55±16.77 职业 1.662 0.176 0.283 0.837 1.313 0.271 体力劳动 22 37.18±6.48 23.95±9.15 108.50±24.09 脑力劳动 70 35.40±6.78 23.93±8.05 107.09±26.82 学生 53 33.36±8.14 22.87±8.85 98.04±30.23 退休/无 69 34.91±7.04 22.86±8.27 103.48±27.40 工作学习状态 10.99 < 0.001 6.693 0.002 9.486 < 0.001 继续工作学习 111 36.67±6.07 25.14±8.87 110.43±24.53 工作学习交替 48 35.00±6.30 22.56±7.38 102.88±25.34 因病请假离职 55 31.33±8.77 20.31±7.34 91.33±31.49 医疗付费 0.69 0.503 1.861 0.158 2.028 0.134 自费 25 36.40±7.65 26.28±7.93 109.72±29.22 医保 84 34.46±7.73 22.64±8.27 99.32±29.62 自费+医保 105 34.93±6.71 23.16±8.53 106.03±25.38
下载: 导出CSV
表 3 IBD患者疾病接受度在照顾者积极感受与患者自我管理行为间的中介自效应检验结果
路径 点估计值 系数相乘积 Bootstrap95%CI P Bootstrap95%偏差校正CI P SE Z 下限 上限 下限 上限 直接效应 0.526 0.08 6.575 0.377 0.696 < 0.001 0.370 0.689 0.001 间接效应 0.221 0.042 5.262 0.145 0.310 < 0.001 0.148 0.316 < 0.001 总效应 0.747 0.079 9.456 0.601 0.917 < 0.001 0.599 0.915 < 0.001 间接效应/总效应 0.296 0.058 5.103 0.192 0.416 < 0.001 0.198 0.429 < 0.001
下载: 导出CSV
-
[1] 吴梦瑶, 牛巍巍, 张晓岚. 炎症性肠病相关肠道和肠外肿瘤研究[J]. 胃肠病学和肝病学杂志, 2021, 30(3): 259-263. doi: 10.3969/j.issn.1006-5709.2021.03.004 [2] KAPLAN G G. The global burden of IBD: from 2015 to 2025[J]. Nat Rev Gastroenterol Hepatol, 2015, 12(12): 720-727. doi: 10.1038/nrgastro.2015.150
[3] 中华医学会消化病学分会炎症性肠病学组. 炎症性肠病诊断与治疗的共识意见(2018年, 北京)[J]. 中华消化杂志, 2018, 38(5): 796-813. [4] 薛鲜敏, 万健, 张玉洁, 等. 炎症性肠病患者的疾病负担和护理者负担[J]. 现代消化及介入诊疗, 2019, 24(8): 933-935. https://www.cnki.com.cn/Article/CJFDTOTAL-XDXH201908032.htm [5] 张永红, 乔倩, 朱大梅, 等. 炎症性肠病患儿照顾者积极感受现状及影响因素分析[J]. 中华现代护理杂志, 2021, 27(17): 2286-2290. [6] BIJAK M, OLSZANECKA A, PAȽCZYNSKA E, et al. Factors determining acceptance of illness in patients with arterial hypertension and comorbidities[J]. Kardiol Pol, 2021, 79(4): 426-433. doi: 10.33963/KP.15860
[7] 周美景, 罗丹, 林征, 等. 炎症性肠病患者自我管理行为的影响因素分析[J]. 中华护理杂志, 2021, 56(4): 550-555. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHHL202104016.htm [8] 薄瑾, 林梦月, 刘晓红, 等. 中青年炎症性肠病患者自我管理困境的质性研究[J]. 护士进修杂志, 2022, 37(14)1310-1314, 1330 https://www.cnki.com.cn/Article/CJFDTOTAL-FSJX202214013.htm [9] 田伶玉. 脑卒中患者疾病接受度及其干预的研究[D]. 承德: 承德医学院, 2021. [10] 何霞, 李静. 基于自我超越思维护理模式对鼻咽癌患者效能感、疾病接受度及生活质量的影响[J]. 国际护理学杂志, 2022, 41(20): 3821-3824. [11] RIBEIRO O, BRANDẶO D, OLIVEIRA A F, et al. Positive aspects of care in informal caregivers of community-dwelling dementia patients[J]. J Psychiatr Ment Health Nurs, 2020, 27(4): 330-341.
[12] 张睿, 李峥. 中文版照顾者积极感受量表的信效度研究[J]. 中华护理杂志, 2007, 42(12): 1068-1071. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHHL200712005.htm [13] 赵雯雯. 中文版疾病接受度量表的信效度评价[J]. 中华现代护理杂志, 2018, 24(22): 2652-2655. [14] 王志羽, 鲁显玉, 邢凤梅. 疾病接受度和家庭关怀度对老年共病患者心理一致感的影响[J]. 解放军护理杂志, 2022, 39(2): 25-28. https://www.cnki.com.cn/Article/CJFDTOTAL-JFHL202202007.htm [15] 尚星辰, 林征, 卞秋桂, 等. 炎症性肠病病人自我管理行为量表的编制及信效度检验[J]. 护理研究, 2019, 33(14): 2374-2380. https://www.cnki.com.cn/Article/CJFDTOTAL-SXHZ201914003.htm [16] 赵明珠, 刘婷, 赵显芝, 等. 炎症性肠病患者心理韧性、家庭功能与自我管理行为的相关性[J]. 护理实践与研究, 2021, 18(23): 3477-3482. https://www.cnki.com.cn/Article/CJFDTOTAL-HLSJ202123001.htm [17] 石秀秀, 张丽娜, 高丁杨, 等. 失能老人家庭照顾者积极感受与自我效能的相关性研究[J]. 中华现代护理杂志, 2019, 25(18): 2295-2300. [18] LÖNNFORS S, VERMEIRE S, AVEDANO L. IBD and health-related quality of life—discovering the true impact[J]. J Crohns Colitis, 2014, 8(10): 1281-1286.
-
期刊类型引用(1)
1. 王文琪，史菁菁，王嘉慧，南丽虹，路红. 仿生纳米粒在乳腺癌治疗及成像研究进展. 中华实验外科杂志. 2024(04): 865-870 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 112
- HTML全文浏览量: 27
- PDF下载量: 11
- 被引次数: 1
苏公网安备 32100302010246号