一种肿瘤患者自杀风险的预测模型建立方法与流程

[0001]
本发明涉及肿瘤患者自杀风险预测技术领域，具体为一种肿瘤患者自杀风险的预测模型建立方法。


背景技术：

[0002]
肿瘤康复期患者面临许多的生理和心理问题，包括治疗的不良反应如畸形或功能丧失、食欲不振、疼痛、疲劳以及一系列心理问题如抑郁、绝望、恐惧及自杀感。肿瘤患者企图和完成自杀的风险远高于普通人群。自杀事件的发生不仅对肿瘤康复期患者及他们的家庭和朋友来说是一个悲剧，而且对那些为治疗他们的疾病做出巨大努力的医护人员来说也是一个主要的压力源。自杀意念指的是任何与自杀相关的行为包括对死亡的短暂和间歇性的思考，以及更严重的反刍和自杀计划的制定。在报告自杀意念之后的两年里，自杀未遂和自杀死亡的风险增加，自杀意念通常作为肿瘤康复期患者自杀风险评估的指标。因此，自杀意念评估量表作为评估肿瘤患者发生自杀风险的工具，是肿瘤患者自杀风险预防程序中的重要组成部分。
[0003]
肿瘤患者由于疾病治疗及预后的特殊性，影响其自杀意念形成的因素与其他人群存在差异。肿瘤患者自杀意念的影响因素研究不全面，大部分研究集中于探讨各种精神心理因素和癌症相关症状在自杀意念形成过程中的作用，而对于其他符合我国文化背景如个性特征、社会支持等还有待探索。目前国内外研究普遍采用beck自杀意念量表、自杀可能性量表及自杀意念自评量表等非特异量表对肿瘤患者的自杀意念现状评价和预警，尚未出现专门针对肿瘤患者自杀的预警模型。另外，国外大部分普适性的自杀意念评估的量表，条目过于直白和敏感，和我国文化有出入，不适用于国内肿瘤患者。
[0004]
因此目前临床决策中尚缺乏预测肿瘤患者自杀意念的综合评价体系，为及早发现肿瘤患者自杀风险并进行有效预防，并对已有自杀意愿的患者防止其自杀发展，因此，建立符合我国国情的肿瘤康复期患者自杀风险预测模型是十分必要的。


技术实现要素：

[0005]
本发明的目的在于提供一种肿瘤患者自杀风险的预测模型建立方法，能够准确预测肿瘤患者的自杀风险的等级，在终端可以及时评估肿瘤患者的自杀风险，提升临床决策的效率，以解决上述背景技术中提出的问题。
[0006]
为实现上述目的，本发明提供如下技术方案：一种肿瘤患者自杀风险的预测模型建立方法，包括以下步骤：
[0007]
步骤一：首先收集人口学资料：包括年龄、性别、居住地、民族、宗教信仰，家庭月收入、文化程度、婚姻状况、居住状况、子女情况及孝顺程度和医疗保险状况；
[0008]
步骤二：收集肿瘤患者疾病相关资料：肿瘤部位、分期、有无远处转移、诊断后时间和治疗措施；
[0009]
步骤三：收集肿瘤患者临床相关特征资料：疼痛状况、睡眠状况、自我感觉疾病严
重程度、有无形象改变、预后信心、治疗满意度、性格特征、有无孤独感和卡氏功能状态评分；
[0010]
步骤四：收集肿瘤康复期患者焦虑抑郁水平、社会支持状况、生活质量、家庭功能和病耻感状况；
[0011]
步骤五：以肿瘤患者有无自杀意念为因变量对可能影响自杀意念发生的相关因素进行单因素分析，符合正态分布或近似正态分布计量资料的组间比较采用独立样本t检验，非正态分布计量资料的组间比较采用mann-whitney u检验，计数资料组间比较采用卡方检验或fisher精确检验，以p<0.05判定判断差异有统计学意义，将p<0.05纳入多因素二元logistic回归分析，以寻找独立危险因素，将p<0.05的回归变量纳入回归方程中，建立logistic回归模型，将最终纳入logistic回归方程中的变量引入statase 14软件，建立列线图预测模型；
[0012]
步骤六：对列线图预测模型进行区分度和校准度评价，预测模型的区分度用aucroc进行评价，预测模型的校准度用拟合优度检验和校正曲线进行评价，采用灵敏度和特异度来确定列线图预测模型的预测截断值。
[0013]
优选的，所述步骤二中肿瘤部位均按照最初的肿瘤发生部位进行分类。
[0014]
优选的，所述步骤三肿瘤患者疼痛状况采用数字分级法。
[0015]
优选的，所述步骤四中评价肿瘤康复期患者焦虑抑郁水平使用焦虑自评量表；社会支持状况使用社会支持评定量表,包括客观支持、主观支持及对支持的利用度三个维度；肿瘤患者生活质量的测定使用eortc-c30量表；病耻感状态使用社会影响量表，该量表共四个维度：社会排斥，经济歧视，内在羞耻感，社会隔离。
[0016]
优选的，所述步骤六中预测模型的校准度可用拟合优度检验和校正曲线进行评价，拟合优度检验p>0.20即认为校准度可以接受。
[0017]
优选的，所述步骤六中aucroc的数值范围为0.5～1.0。
[0018]
与现有技术相比，本发明的有益效果是：
[0019]
(1)该方法建立的预测模型采用多元逻辑回归分析建立列线图，将复杂的回归方程，转变为可视化的图形，使预测模型的结果更具有可读性，方便对患者进行评估。
[0020]
(2)由该方法建立的预测模型包含肿瘤患者的一般人口学特征，肿瘤相关特征，焦虑抑郁等心理特征变量，通过一种简洁、客观的综合评价体系来评估能够准确预测肿瘤患者的自杀风险的等级。
[0021]
(3)同时在终端可以及时评估肿瘤患者的自杀风险，进而及早进行相关干预，提升临床决策的效率。
附图说明
[0022]
图1为列线图示意图。
[0023]
图2为特异性示意图。
[0024]
图3为特异性和灵敏度关系示意图(上升曲线为特异性，下降曲线为灵敏度)。
[0025]
图4为预测发生率和试剂发生率对比示意图。
[0026]
图5为本发明具体数据表格。
[0027]
图6为本发明具体数据表格(接图5)。
[0028]
图7为本发明具体数据表格(接图6)。
[0029]
图8为本发明具体数据表格(接图7)。
[0030]
图9为方程里的变量表格。
[0031]
图10为模型汇总表格。
[0032]
图11为hosmer-lemeshow检验表格。
具体实施方式
[0033]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0034]
请参阅图1-11，本发明提供一种技术方案：一种肿瘤患者自杀风险的预测模型建立方法，包括以下步骤：
[0035]
步骤一：首先收集人口学资料：包括年龄、性别、居住地、民族、宗教信仰，家庭月收入、文化程度、婚姻状况、居住状况、子女情况及孝顺程度和医疗保险状况；
[0036]
步骤二：收集肿瘤患者疾病相关资料：肿瘤部位(肿瘤部位均按照最初的肿瘤发生部位进行分类)、分期、有无远处转移、诊断后时间和治疗措施；
[0037]
步骤三：收集肿瘤患者临床相关特征资料：疼痛状况(疼痛状况采用数字分级法)、睡眠状况、自我感觉疾病严重程度、有无形象改变、预后信心、治疗满意度、性格特征、有无孤独感和卡氏功能状态评分；
[0038]
步骤四：收集肿瘤康复期患者焦虑抑郁水平(使用焦虑自评量表(sas)，sas量表的主要统计指标为总分，评定结束后，将20个项目的各个得分相加即得，再乘以1.25以后取得整数部分即标准分，标准分数越高，表示焦虑症状越严重。抑郁的严重程度使用phq-9量表，其总分(0-27分)是评估抑郁严重程度的有效工具，其第九条则作为研究对象有无自杀意念的评估工具)、社会支持状况(使用社会支持评定量表(ssrs),包括客观支持、主观支持及对支持的利用度三个维度,总分越高，社会支持程度越好)、生活质量(生活质量的测定使用eortc-c30量表)、家庭功能和病耻感状况(使用社会影响量表(sis)，该量表共四个维度：社会排斥；经济歧视；内在羞耻感；社会隔离)，量表总分是四个维度的得分总和，得分越高，表明个体感知到的社会影响就越大；
[0039]
步骤五：以肿瘤患者有无自杀意念为因变量对可能影响自杀意念发生的相关因素进行单因素分析，符合正态分布或近似正态分布计量资料的组间比较采用独立样本t检验，非正态分布计量资料的组间比较采用mann-whitney u检验，计数资料组间比较采用卡方检验或fisher精确检验，以p<0.05判定判断差异有统计学意义，将p<0.05纳入多因素二元logistic回归分析，以寻找独立危险因素，将p<0.05的回归变量纳入回归方程中，建立logistic回归模型，将最终纳入logistic回归方程中的变量引入statase 14软件，建立列线图预测模型；
[0040]
步骤六：对列线图预测模型进行区分度和校准度评价(校准度可用拟合优度检验和校正曲线进行评价，拟合优度检验p>0.20即认为校准度可以接受)，预测模型的区分度可用aucroc进行评价(aucroc的数值范围为0.5～1.0，数值越大表明其预测的真实性越高，预
测模型鉴别能力越强)，预测模型的校准度可用拟合优度检验和校正曲线进行评价，采用灵敏度和特异度来确定列线图预测模型的预测截断值。
[0041]
使用原理：该方法建立的预测模型采用多元逻辑回归分析建立列线图，将复杂的回归方程，转变为可视化的图形，使预测模型的结果更具有可读性，方便对患者进行评估。由该方法建立的预测模型包含肿瘤患者的一般人口学特征，肿瘤相关特征，焦虑抑郁等心理特征变量，通过一种简洁、客观的综合评价体系来评估能够准确预测肿瘤患者的自杀风险的等级。同时在终端可以及时评估肿瘤患者的自杀风险，进而及早进行相关干预，提升临床决策的效率。
[0042]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。