唐红梅，赵 林，秦榕蔚，鲁 维
(四川省南充精神卫生中心，南充市第二人民医院 急诊科，四川 南充 637000)
精神分裂症为临床常见的一组病因不明的慢性精神疾病，该病多在青壮年中缓慢或亚急性起病，具有发病急、症状重、社会危害大的特点[1-2]。据调查约有20%精神分裂症患者有攻击行为，且攻击行为发生多无明显的预兆，突然发生、难以预测。精神分裂症患者的攻击行为有以下常见的4种：言语攻击、财产攻击、自身攻击及攻击他人，出现攻击行为可对患者自身、家属及医护人员造成一定的伤害[3]。研究发现精神分裂症患者的攻击行为多发生于院前及入院初期，这主要是因其行为与幻觉、妄想等症状有关，当入院药物起效后攻击行为也会随之消失，因此本研究选择院前攻击行为进行研究[4]。如何早期识别并预防精神分裂症患者的院前攻击行为具有重要的意义。精神分裂症患者院前攻击行为的发生是多种因素共同作用的结果，目前关于精神分裂症患者攻击行为影响因素的虽有报道[5]，但仅采用二元Logisitic回归模型，并未以此建立Nomograms等操作简便的可视化预测模型，二元Logisitic回归模型计算复杂需要使用者具有一定的统计学知识，Nomograms模型则是在二元Logisitic回归模型基础上发展而来的可视化预测模型，该模型近年来在临床上得到了广泛的应用，已被用于预测多种临床事件。本研究旨在通过调查精神分裂症急性期患者攻击行为发生情况，并构建其Nomograms预测模型，以期为精神分裂症患者院前攻击行为的早期识别提供参考。
1 对象与方法
1.1 对象 选择2019年1月至2021年3月我院接诊的319例精神分裂症患者作为建模组，另选择2018年1月至12月的精神分裂症104例精神分裂症患者为验证组。纳入标准：①符合国际疾病分类手册(第10版)[6](ICD-10)中精神分裂症的相关诊断；②年龄在18岁及以上；③临床总体印象-严重度评分[7](Clinical global impression scale，CGI)4分及以上；④患者及其家属已获知情同意。排除标准：①合并有其他可引起激越症状的器质性疾病者；②因精神或躯体功能障碍而无法完成调查者；③入院时间>24 h者；④经2周治疗后确诊为非精神分裂症的其他精神疾病患者。建模患者中男182例，女137例；年龄25～69岁，平均(43.19±7.24)岁；病程2～8年，平均(5.09±1.33)年；验证组男59例，女45例；年龄28～71岁，平均(44.02±7.35)岁；病程2～9年，平均(5.11±1.41)年，两组差异无统计学意义(P>0.05)。本研究已获我院伦理委员会审核通过(伦理批件号：〔2022〕年审〔017〕号)。
1.2 方法 (1)收集可能影响精神分裂症急性期患者出现院前攻击行为的因素，主要包括以下几方面：①患者一般情况：性别、年龄、文化程度、BMI指数、婚姻状况、职业、共同居住者；②疾病相关因素：病程、首次发病年龄、家族史、既往攻击行为、入院前1周抗精神分裂药物服药情况、高血压病史、糖尿病史、心血管疾病史、精神残疾、激越症状。其中精神残疾指持续1年以上未治愈的各类精神障碍，存在认知、情感及行为障碍，可对患者的日常生活及社会参与能力造成影响者。激越症状：采用阳性和阴性症状量表兴奋因子[8](Positive and negative syndrome scale-eXcited component，PANSS-EC)对患者进行评估，该量表包括P4兴奋、P7敌意、G4身体紧张、G8不配合、G14冲动控制障碍共5个条目，每个条目1～7个分，各条目相加分数为总分，总分≥14分且有一个以上条目≥4分则认为存在激越症状。(2)院前攻击行为采用修订版外显攻击行为量表[9](Modified overt aggression scales，MOAS)对患者进行评估，该量表对包括言语攻击、财产攻击、自身攻击及攻击他人4种症状进行评估，根据严重程度分别计0～4分，得分越高该类攻击性越强，总分为各症状之和，>0分者认为有院前攻击的行为。以有无院前攻击行为将患者分为2组，比较各影响因素，并行多因素Logistic回归分析。根据多因素分析结果采用R软件构建Nomograms预测模型，并对模型预测效能进行验证。
2 结果
2.1 精神分裂症急性期患者院前攻击行为的单因素分析 本研究模型组的319例精神分裂症患者中共有114例(35.74%)存在院前攻击行为，2组年龄、文化程度、职业、既往攻击行为、入院前1周服药情况、精神残疾及激越症状差异有统计学意义(P<0.05，见表1)。
表1 精神分裂症急性期患者院前攻击行为的单因素分析
续表
2.2 精神分裂症急性期患者院前攻击行为的多因素分析 将表1中具显着性差异的因素纳入作为自变量，以似然比法筛选变量后行多因素Logistic回归分析结果显示：既往有攻击行为、精神残疾及激越症状为精神分裂症急性期患者院前攻击的危险因素，文化程度为大专及以上、入院前1周抗精神分裂药物服药情况为保护性因素(P<0.05，见表2)。
表2 精神分裂症急性期患者院前攻击行为的多因素分析
各因素赋值情况：年龄：原值代入；文化程度：小学及以下=0，初中/高中=1，大专及以上=2；职业：有工作=0，无业或退休=1：既往攻击行为、入院前1周抗精神分裂药物服药情况、精神残疾、激越症状：无=0，有=1。
2.3 Nomograms预测模型的建立 根据多因素分析中各因素β值构建预测模型，Prob=1/(1+e-Y)，Y=-1.339文化程度+0.699 既往攻击行为-0.855入院前1周抗精神分裂药物服药情况+0.616 精神残疾+0.688激越症状+0.183。因上述模型计算复杂，为方便临床预测使用，采用R软件构建列线图模型(见图1)。
图1 精神分裂症急性期患者院前攻击行为预测Nomograms模型
2.4 模型验证 以ROC法评估模型预测价值，模型组AUC为0.770，95%CI为0.714～0.825；验证组AUC为0.767，95%CI为0.711～0.824(P<0.05)，见图2；提示本研究建立的模型区分度较好。以Bootstrap法对列线图进行内部验证，以原始数据重复抽样1 000次，并以验证组进行外部验证，校准曲线结果显示，模型组与验证组预测曲线与标准曲线基本拟合，提示模型预测准确度较高，见图3、4。H-L拟合优度检验结果显示(χ2=3.172，P=0.075)，提示列线图模型预测概率与实际观察的院前攻击行为发生率存在较好的一致性。
图2 精神分裂症急性期患者院前攻击行为预测Nomograms模型ROC曲线
图3 模型组Nomograms模型校准曲线
图4 验证组Nomograms模型校准曲线
2.5 决策曲线分析 为评估Nomograms预测模型的临床适用性将攻击行为发生情况为状态变量，Nomograms预测模型所获得的风险预测值作为检验变量，以R4.1.3软件绘制临床决策曲线见图5。由该曲线可知，当模型预测概率阈值为0.19～0.80时，临床获益率最高。
图5 精神分裂症急性期患者院前攻击行为预测Nomograms模型决策曲线
3 讨论
精神分裂症为重症精神障碍的一种，据统计全球内精神分裂症的发病率为3.1‰～7.9‰，国内精神分裂症的发病率约为7.01‰，农村地区的发病率较城市更低[10]。精神分裂症患者主要以妄想、幻觉等阳性症状为表现，可有行为活动或言语活动增加，不合作、激惹、威胁，甚至出现暴力及供给行为，尤其是以院前攻击行为较为常见[11-12]。如何早期识别并减少院前攻击行为是精神分裂症急性期患者治疗的一个关键问题。本研究模型组的319例精神分裂症患者中共有114例(35.74%)存在院前攻击行为，与相关研究结果接近[13]，精神分裂症急性期患者院前攻击行为是多反面因素共同作用的结果。本研究旨在通过在多因素二元Logisitc回归基础上建立Nomograms预测模型以预测精神分裂症患者院前攻击行为，以期为精神分裂症患者院前攻击行为的个性化预测及早期识别提供参考。
本研究在单因素分析基础上行多因素logistic回归分析结果显示，激越症状为精神分裂症急性期患者院前攻击的危险因素。可见激越症状与院前攻击行为具有显着的相关性，激越为一种分特异性情绪及行为状态，根据严重程度的不同激越的表现有所差异，其核心特征为坐立不安、活动过多及无目的活动等[14]。激越发展为攻击行为是一个连续的过程，由焦虑-极度焦虑-激越-攻击行为的方向发展，焦虑、激越与暴力行为之间具有联系又有本质上的区别，焦虑主要是因主观焦虑情绪而伴发的躯体不适；攻击则指对言语、财务、他人及自身的攻击行为[15-16]。本研究证实精神分裂症急性期患者激越症状与院前攻击行为具有相关性，因此当患者出现激越症状时应及时进行处理。激越处理的关键是在保证人员安全的前提下帮助患者控制情绪，使其维持或重新获得控制自身行为的能力，并尽可能地减少使用约束与强制措施[17]。
除激越症状外，本研究结果显示，既往攻击行为、精神残疾、文化程度、入院前1周抗精神分裂药物服药情况对于精神分裂症急性期患者攻击行为也具有重要的影响。既往存在攻击行为的精神分裂症患者本就存在一定的暴力倾向，在急性期容易受激惹而出现暴力攻击行为。精神分裂症为一种慢性疾病，病情迁延难愈，大部分患者病程都在1年以上，随着病程的延长可导致患者发展为精神残疾[18]。精神残疾越重患者的认知及社会功能越差，可使其服药依从性下降而出现幻觉等精神症状，继而出现院前攻击行为。研究证实服用精神类药物可有效避免精神分裂症患者出现攻击行为，这可能与奥氮平等抗精神病药物可有效抑制精神分裂症患者的精神症状及神经生物学改变，使因症状恶化而引起的院前攻击行为得到有效控制，因此在入院前1周规律服药者院前攻击行为发生率较低[19]。文化程度方面：文化程度较低者认知能力较差，对于药物控制精神症状的重要性认知度不足，服药依从性也相应较差，因此病情控制也相对较差。另外文化程度较低者对于社会康复宣教理解较到位，对于来自社会和家庭的人与事的认识多仅停留于过去的认知，难以得到良好的病情控制，容易出现攻击行为[20]。
Nomograms预测模型为近年常用的可视化预测模型，该模型建立在Logistic回归基础上，实现了Logistic回归的可视化，列线图模型不仅可根据多因素分析结果整合分析模型，还可方便地对每位患者进行个性化的预测，可有效满足个性化治疗的追求。本研究经多因素分析获得了激越症状、既往院前攻击行为等5个可影响精神分裂症患者院前攻击行为的独立性影响因素，并以此建立了连Nomograms预测模型，实现了此类患者的疗效预测。经ROC分析、校准曲线及H-L拟合优度检验结果证实，本研究建立的列线图模型具有较高的准确度与区分度，当模型预测概率阈值为0.19～0.80时，模型临床获益率最高。临床上可使用该模型对精神分裂症患者制订个性化干预方案，并可在对患者个体化咨询、健康教育时使用该模型，使患者家属充分认识到患者病情而加深对治疗方案的理解。
综上所述，精神分裂症急性期患者院前攻击行为发生率较高，院前攻击行为的发生与既往攻击行为、精神残疾、文化程度等因素相关。本研究建立的 Nomograms预测模型用于预测精神分裂像患者院前攻击行为具有较高的区分度与准确度，当模型预测概率阈值为0.19～0.80时，临床获益率最高。
