脑卒中病人衰弱评估的研究进展

从衰弱的定义、危害及评估方法进行综述,并对评估方法给出相应建议,为脑卒中衰弱相关研究的开展、临床早期识别、指导临床正确制定治疗护理决策、实施临床护理实践提供参考依据。

老年重症脑卒中患者营养不良风险列线图预测模型的构建及验证

目的通过分析老年重症脑卒中患者营养不良的危险因素,构建相应的列线图模型。方法选取重庆医科大学附属第一医院神经内科重症监护室的老年重症脑卒中患者782例作为研究对象,将其分为建模组547例和验证组235例。根据血清白蛋白水平,将患者分为营养不良组、无营养不良组。通过logistic回归分析确认营养不良发生的影响因素,并构建营养不良风险列线图预测模型。应用Bootstrap法对模型的预测效果进行内部验证,利用验证组数据对模型进行外部验证。结果两组年龄、慢性阻塞性肺疾病史、贫血、查尔森合并症指数(CCI)、格拉斯哥昏迷评分(GCS)、巴氏指数、营养支持方式、机械通气、中性粒细胞计数、红细胞压积、纤维蛋白原、白蛋白、总蛋白比例比较,差异有统计学意义(P<0.05)。logistic回归分析显示,年龄、CCI、GCS评分、贫血、中性粒细胞计数、总蛋白水平、营养支持方式为老年重症脑卒中患者营养不良的独立影响因素(OR>1,P<0.05)。构建模型的ROC曲线下面积为0.858,内部验证结果显示,C-index为0.851;验证组ROC曲线下面积为0.848。结论本研究构建的列线图模型预测效能较好,可为临床早期预测老年重症脑卒中患者营养不良发生风险提供参考。

3种免疫营养评分工具对重症卒中并发肺部感染风险的预测价值比较

目的比较控制营养状况评分(CONUT)、预后营养指数(PNI)、预后炎症和营养指数(PINI)对重症卒中并发肺部感染(SCLI)的预测价值,分析重症SCLI发生的危险因素。方法回顾性分析2022年8月至2023年8月于该院神经重症监护病房(NICU)首次就诊的98例重症卒中患者临床资料,根据住院期间是否发生SCLI分为SCLI组和非SCLI组。采用logistic回归分析影响重症SCLI的独立危险因素,计算3种工具预测重症SCLI的灵敏度、特异度、Youden指数、Kappa值并绘制受试者工作特征(ROC)曲线及曲线下面积(AUC)。结果98例患者住院期间发生SCLI的有35例(35.71%)。多因素logistic回归分析,结果显示,使用机械通气(OR=1.33,95%CI:1.06~2.76)、使用鼻胃管(OR=1.42,95%CI:1.25~2.68)、高CONUT(OR=2.74,95%CI:2.02~3.69)、低PNI(OR=0.70,95%CI:0.51~0.96)与低PINI(OR=2.51,95%CI:1.78~3.62)是重症SCLI的独立危险因素(P<0.05)。CONUT、PNI、PINI预测SCLI的ROC曲线的AUC分别为0.729、0.723、0.697,灵敏度分别为0.707、0.685、0.631,特异度分别为0.872、0.764、0.712,Youden指数分别为0.579、0.449、0.343,Kappa值分别为0.621、0.534、0.432(P<0.05)。结论CONUT、PNI、PINI均与SCLI风险相关,CONUT对重症SCLI预测价值最高。

中青年脑卒中患者健康素养水平及影响因素分析

目的了解中青年脑卒中患者健康素养并分析影响因素。方法采用便利抽样法,选取2020年11月—2022年5月在重庆医科大学附属第一医院神经内科ICU治疗的270例中青年脑卒中患者为研究对象。采用一般资料调查表、美国国立卫生研究院卒中量表、脑卒中患者健康素养量表对患者进行调查。采用二项Logistic回归分析探讨中青年脑卒中患者健康素养的影响因素。本研究共发放问卷270份,回收有效问卷266份,有效回收率为98.52%(266/270)。结果中青年脑卒中患者健康素养量表总分为(73.44±6.73)分,具备健康素养的患者占33.46%(89/266)。脑卒中患者健康素养量表中3个维度得分率由高到低依次为基本技能、健康生活方式与行为、基本知识和理念。二项Logistic回归分析结果显示,性别、文化程度、家庭月收入、自评医患沟通情况是中青年脑卒中患者健康素养的影响因素(P<0.01)。结论中青年脑卒中患者健康素养有待提高,男性、文化程度较低、家庭月收入较低及自评医患沟通不好或一般的中青年脑卒中患者的健康素养水平更需要关注和干预,应根据中青年脑卒中患者的特点做好其健康教育和健康促进工作。