缺血性脑卒中患者服药依从性发展轨迹及其潜在类别的预测因素 Authors: 晓 李, 笛 谢, 志莹 沈, 可怡 周, 波 李, 婉丽 林, 丽娜 龚, 萍平 颜 Published: 2026 ABSTRACT 目的中国脑卒中防治形势严峻,长期规范地服用二级预防药物意义重大。缺血性脑卒中患者整体服药依从性欠佳且在出院后呈逐渐下降趋势,急需改善。本研究旨在明确缺血性脑卒中患者服药依从性发展轨迹的类别及预测因素,为制订精准干预方案提供参考。方法采用目的抽样法选取2024年1月至12月中南大学湘雅三医院收治的373例缺血性脑卒中患者进行调查,采用一般调查表、简易疾病感知问卷(Brief Illness Perception Questionnaire,BIPQ)、合理用药自我效能量表(Self-efficacy for Appropriate Medication Use Scale,SEAMS)、家庭亲密度及适应性量表中文版(Family Adaptability and Cohesion Scale Ⅱ-Chinese Version,FACES Ⅱ-CV)和Connor-Davidson心理弹性量表(Connor-Davidson Resilience Scale,CD-RISC)收集患者住院期间基线资料,在出院后2周、1个月、3个月、6个月使用8项Morisky服药依从性量表(Morisky Medication Adherence Scale-8,MMAS-8)评估其服药依从性。应用潜变量增长混合模型(latent growth mixture model,LGMM)识别缺血性脑卒中患者服药依从性发展轨迹,应用多元Logistic回归分析不同轨迹类别的预测因素。结果缺血性脑卒中患者服药依从性发展轨迹存在4种类别(4组):持续中依从性组(22.8%)、低依从性-下降组(17.2%)、低依从性-改善组(26.2%)、中依从性-下降组(33.8%)。多元Logistic回归分析显示,以低依从性-下降组为参照,SEAMS评分每增加1,患者归入持续中依从性组、中依从性-下降组和低依从性-改善组的可能性分别增加48.3%、33.9%和36.5%(均P<0.05);FACES Ⅱ-CV评分每增加1,上述可能性分别增加9.2%、4.3%和5.6%(均P<0.05);BIPQ评分每增加1,上述可能性分别降低18.9%、15.7%和16.3%(均P<0.05);CD-RISC评分每增加1,患者归入持续中依从性组和低依从性-改善组的可能性分别增加9.1%和6.2%(均P<0.05);年龄18~59岁的患者归入持续中依从性组和低依从性-改善组的可能性分别是≥60岁患者的3.537倍和4.032倍(均P<0.05);服药种类1~5的患者归入持续中依从性组和低依从性-改善组的可能性分别是服药种类>5者的5.405倍和3.010倍(均P<0.05)。以持续中依从性组为参照,SEAMS、FACES Ⅱ-CV和CD-RISC评分每增加1,服药种类1~5及年龄18~59岁的患者归入中依从性-下降组的可能性分别降低9.7%、4.5%、9.1%、77.5%和55.8%(均P<0.05)。结论缺血性脑卒中患者服药依从性发展轨迹存在显著群体异质性。医务人员应积极识别缺血性脑卒中患者服药依从性轨迹类型,依据预测因素实施分层干预策略,扭转依从性发展趋势。 脑卒中是中国居民致死、致残的首要原因[1],缺血性脑卒中是其主要亚型[2]。全球疾病负担研究[1]显示,1990至2021年,中国缺血性脑卒中患者发病率、病死率、伤残调整生命年呈显著上升趋势,且预计这一增长态势将持续至2030年,防治工作面临严峻挑战。长期规范的药物治疗对改善患者预后、降低脑卒中复发风险具有重要意义[3]。提升患者服药依从性已被美国卒中协会列为脑卒中二级预防的重要策略之一[4]。中国缺血性脑卒中患者服药依从性整体欠佳,且随时间推移呈逐步下降的趋势,形势不容乐观[5]。既往研究[6]表明高血压患者的服药依从性在纵向随访中呈现出明显的群体异质性,这提示缺血性脑卒中患者群体间的服药依从性差异亦不仅局限于某一时点,更存在于动态发展轨迹之中。研究表明,脑卒中患者的服药依从性与个体特征、疾病特征[7]、疾病感知[8]、自我效能[9]、家庭功能[10]、心理弹性[11]密切相关。然而,上述因素在服药依从性发展轨迹中的预测作用尚未阐明,限制了精准干预方案的构建与实施。因此,本研究基于潜变量增长混合模型(latent growth mixture model,LGMM)及多元Logistic回归分析,旨在识别缺血性脑卒中患者服药依从性发展的异质性轨迹及预测因素,为构建更精准的长期服药依从性干预策略提供理论支持。 对象与方法 伦理声明 本研究已获得中南大学湘雅三医院伦理委员会批准(审批号:快25591)。所有患者自愿参与并已签署知情同意书,患者有权随时退出本研究,研究过程中严密保护患者个人隐私。 对象 本研究采用纵向观察性研究方法。以样本量为自变量的10~15倍为参考,本研究包括自变量16个,考虑20%的样本流失率,应纳入192~288例样本。同时考虑到纵向研究中可能发生的失访,为保障最终分析时有足够的统计效能,本研究扩大了抽样范围。在 2024年1月至12月采用目的抽样法,选取在中南大学湘雅三医院神经内科住院的缺血性脑卒中患者为调查对象。纳入标准:1)符合《中国急性缺血性脑卒中诊治指南2018》[12]中缺血性脑卒中的诊断标准,经头颅CT或MRI检查证实诊断无误;2)出院医嘱中同时包含抗血小板药物、降压药及降脂药等二级预防药物,并需长期规律服用;3)意识清楚,即格拉斯哥昏迷评分(Glasgow Coma Scale,GCS)>12,且生命体征平稳;4)年龄≥18岁;5)知情同意并签署知情同意书。排除标准:1)无法自主服药;2)有严重的认知障碍或语言交流障碍;3)并发其他重大疾病,如恶性肿瘤、心脏病、胃肠道出血等。 方法 本研究基线资料于患者出院前1天通过床旁问卷调查收集,所用调查工具包括一般资料调查表、简易疾病感知问卷(Brief Illness Perception Questionnaire,BIPQ)、合理用药自我效能量表(Self-efficacy for Appropriate Medication Use Scale,SEAMS)、家庭亲密度及适应性量表中文版(Family Adaptability and Cohesion Scale Ⅱ-Chinese Version,FACES Ⅱ-CV)和Connor-Davidson心理弹性量表(Connor-Davidson Resilience Scale,CD-RISC)。资料收集前,接受统一培训的调查者向患者说明研究目的及填写要求。对于不能独立完成问卷的患者,由调查者协助填写,并避免使用暗示性语言。问卷回收后,调查者现场核查其完整性,如有缺项,及时请患者补充。患者服药依从性的随访评估分别在出院后2周(T1)、1个月(T2)、3个月(T3)和6个月(T4)时开展,采用8项Morisky服药依从性量表(Morisky Medication Adherence Scale-8,MMAS-8)进行重复测量。调查者通过微信发送电子问卷收集MMAS-8信息;若患者3 d内未应答,则采用电话随访方式补充采集。所有基线及随访资料由2名研究者进行核对、整理,并采用双人录入方式录入Excel表格,以确保数据准确性。 调查工具 一般调查表 研究者查阅文献后自制一般调查表,内容包括年龄、性别、婚姻状况、文化程度、工作状态、医保支付类型、家庭月收入水平、慢性病种类、服药种类、脑卒中部位、脑卒中发作次数、美国国立卫生院卒中量表(National Institutes of Health Stroke Scale,NIHSS)评分。 MMAS-8 采用MMAS-8评估患者服药依从性[13]。总计8个条目,条目1~7采用二分类计分法,是=0分,否=1分。其中条目5采用反向计分法。条目8采用Likert 5级评分,“从不”“偶尔”“有时”“经常”“所有时间”分别计1.00、0.75、0.50、0.25、0分。量表得分范围为0~8,得分越高表示用药依从性越好,其中8分表示依从性好,6~7分表示依从性中等,<6分表示依从性差。量表的克龙巴赫α系数为0.763[14]。 BIPQ BIPQ用于评估患者的疾病感知水平[15],共包括9个条目,条目1~8采用0~10级评分,条目9为开放性回答不计分,得分范围为0~80,得分越高代表负性疾病感知越强。该量表广泛应用于患者对疾病的认知表征、情绪表征及对疾病的认识理解评估[16],量表重测信度为0.42~0.75[17],克龙巴赫α系数为0.831[15]。 SEAMS SEAMS常用于评估慢性病患者的服药自我效能[18],包括不确定情况下和困难情况下的用药自我效能2个维度,共13个条目。条目采取“没有信心”“有点信心”及“非常有信心”的Likert 3级评分法,得分范围为13~39,得分越高表示患者坚持合理用药的自我效能越好。该量表的重测信度为0.932,克龙巴赫α系数为0.934,内容效度指数为0.913[18]。 FACES II-CV FACES II-CV用于评估患者家庭功能[19]。该量表包括家庭亲密度和适应性2个维度共30个条目,条目采用Likert 5级评分法,从“不是”到“总是”分别计1~5分,总分为30~150。得分越高表示家庭的亲密度和适应性越高,家庭功能越好。本研究仅选取该量表的实际家庭状况部分进行调查,量表2个维度的克龙巴赫α系数分别为0.850和0.730[20]。 表1缺血性脑卒中患者的一般资料(n=373) Table 1 General information of patients with ischemic stroke (n=373)变量数值变量数值变量数值年龄/[例(%)]医疗付费类型/[例(%)]脑卒中部位/[例(%)]18~59岁145(38.9)新型农村合作医疗99(26.5)大脑半球132(35.4)≥60岁228(61.1)城镇职工医疗保险195(52.3)基底节区149(39.9)性别/[例(%)]城镇居民医疗保险56(15.0)脑干61(16.4)男257(68.9)自费23(6.2)小脑31(8.3)女116(31.1)家庭月收入水平/[例(%)]脑卒中发作次数/[例(%)]婚姻状况/[例(%)]<5 000元85(22.8)1189(50.7)已婚245(65.7)5 000~9 999元192(51.5)≥2184(49.3)单身128(34.3)≥10 000元96(25.7)NIHSS评分/[例(%)]工作状态/[例(%)]慢性病种类/[例(%)]<5126(33.8)在职164(44.0)195(25.5)5~15160(42.9)退休101(27.1)285(22.8)>1587(23.3)无业108(28.9)≥3193(51.7)SEAMS评分28(26.0, 32.0)文化程度/[例(%)]服药种类/[例(%)]CD-RISC评分60(56.0, 68.0)文盲33(8.8)1~5188(50.4)FACES Ⅱ-CV评分84(78.0, 95.0)小学42(11.3)>5185(49.6)BIPQ评分61.75±7.30初中109(29.2)高中/中专/大专106(28.4)大学及以上83(22.3)正态分布的连续变量采用均数±标准差描述;非正态分布的连续变量采用中位数(第1四分位数,第3四分位数)描述;分类资料采用频数(构成比)描述。SEAMS:合理用药自我效能量表;CD-RISC:Connor-Davidson心理弹性量表;FACES II-CV:家庭亲密度及适应性量表中文版;BIPQ:简易疾病感知问卷;NIHSS:美国国立卫生研究院卒中量表。 缺血性脑卒中患者的一般资料(n=373) Table 1 General information of patients with ischemic stroke (n=373) 正态分布的连续变量采用均数±标准差描述;非正态分布的连续变量采用中位数(第1四分位数,第3四分位数)描述;分类资料采用频数(构成比)描述。SEAMS:合理用药自我效能量表;CD-RISC:Connor-Davidson心理弹性量表;FACES II-CV:家庭亲密度及适应性量表中文版;BIPQ:简易疾病感知问卷;NIHSS:美国国立卫生研究院卒中量表。 表2缺血性脑卒中患者4个时间点的服药依从性(n=373) Table 2 Medication adherence and comparison among ischemic stroke patients at 4 time points (n=373)时间点依从性评分依从性[例(%)]差中等好T14.97±2.23167(44.7)187(50.1)19(5.2)T24.54±2.22238(63.8)117(31.4)18(4.8)T34.76±2.22258(69.1)92(24.6)22(6.3)T44.73±2.22249(66.7)95(25.4)29(7.9)正态分布的连续变量采用均数±标准差描述,分类资料采用频数(构成比)描述。 缺血性脑卒中患者4个时间点的服药依从性(n=373) Table 2 Medication adherence and comparison among ischemic stroke patients at 4 time points (n=373) 正态分布的连续变量采用均数±标准差描述,分类资料采用频数(构成比)描述。 CD-RISC CD-RISC用于评估患者心理弹性[21]。该量表包括坚韧、自强、乐观3个维度,共25个条目,每个条目选项从“从来不”到“一直如此”分别计0~4分,得分范围为0~100,得分越高代表患者心理弹性越好。该量表克龙巴赫α系数为0.910,重测信度为0.90[22]。 统计学处理 采用SPSS 26.0统计学软件进行数据整理和统计分析,连续变量根据是否满足正态分布分别采用均数±标准差或中位数(第1四分位数,第3四分位数)表示,组间比较采用单因素方差分析或Kruskal-Wallis H检验;分类资料采用频数(构成比)描述,组间比较采用 χ2 检验。 采用Mplus 8.3构建LGMM,分别拟合包含1~5个潜类别的模型。模型拟合指标中,赤池信息量准则(Akaike information criterion,AIC)、贝叶斯信息准则(Bayesian information criterion,BIC)、校正的贝叶斯信息准则(adjusted Bayesian information criterion,aBIC)越小,代表模型拟合程度越好;熵(entropy)越接近于1,代表模型分类越准确。采用罗-梦戴尔-鲁本矫正似然比检验(Lo-Mendell-Rubin likelihood-ratio test,LMR-LRT)和基于bootstrap的似然比检验(bootstrap likelihood-ratio test,BLRT)比较k类别与k-1类别模型的拟合差异,若2项检验的P值均<0.05,提示k类别模型的拟合效果显著优于k-1类别模型。最终结合拟合指标结果及临床实际意义选定最优潜类别模型,基于最优模型绘制不同亚组缺血性脑卒中患者的MMAS-8得分变化轨迹,展示不同依从性轨迹亚组的服药依从性随时间的变化特征。采用多元Logistic回归分析验证不同类别服药依从性轨迹的预测因素。P<0.05为差异有统计学意义。 结 果 缺血性脑卒中患者一般资料 T1时发放问卷419份,无效问卷4份;T2时发放问卷415份,失访10例,拒绝随访10例,无效问卷6份;T3时发放问卷389份,失访2例,拒绝随访1例,无效问卷2份;T4时发放问卷384份,失访6例,无效问卷5份,最终回收有效问卷373份,失访率为11.0%。373名患者的年龄为(61.81±11.97)岁,其他一般资料详见表1。 缺血性脑卒中患者服药依从性轨迹 T1~T4患者服药依从性评分分别为4.97±2.23、4.54±2.22、4.76±2.22、4.73±2.22(表2)。 将患者4次服药依从性评分进行拟合,逐步建立1~5个类别的LGMM,以识别缺血性脑卒中患者服药依从性发展轨迹的潜在类别。LGMM结果(表3)显示,所有类别情况下的熵值均大于0.8,类别由1增加到4时,AIC、BIC、aBIC值逐渐下降,且LMRT、BLRT的P值均<0.05。当提取类别由4增加到5时,AIC、BIC、aBIC值下降,但LMRT、BLRT的检验结果无统计学意义(P>0.05),且额外增加的类别在临床意义上解读困难。因此,本研究最终选择4个类别作为最佳模型的分类结果。 表3缺血性脑卒中患者服药依从性轨迹LGMM拟合结果(n=373) Table 3 Fitting results of LGMM of medication adherence trajectories in patients with ischemic stroke (n=373)类别AICBICaBICEntropy P 类别概率LMRTBLRT16 544.0156 567.5456 548.5091.00025 360.6065 395.9005 367.3460.929<0.001<0.0010.430/0.57035 021.4975 068.5565 030.4830.9190.0020.0030.343/0.426/0.23144 710.1434 780.9674 721.3670.925<0.0010.0070.228/0.338/0.262/0.17254 606.7874 677.7844 620.2640.9160.0790.0900.101/0.335/0.067/0.265/0.230LGMM:潜类别混合增长模型;AIC:赤池信息量准则;BIC:贝叶斯信息准则;aBIC:校正的贝叶斯信息准则;Entropy:熵;LMRT:罗-梦戴尔-鲁本矫正似然比检验;BLRT:基于bootstrap的似然比检验。 缺血性脑卒中患者服药依从性轨迹LGMM拟合结果(n=373) Table 3 Fitting results of LGMM of medication adherence trajectories in patients with ischemic stroke (n=373) LGMM:潜类别混合增长模型;AIC:赤池信息量准则;BIC:贝叶斯信息准则;aBIC:校正的贝叶斯信息准则;Entropy:熵;LMRT:罗-梦戴尔-鲁本矫正似然比检验;BLRT:基于bootstrap的似然比检验。 根据LGMM的4个类别(4组),绘制缺血性脑卒中患者服药依从性的发展轨迹(图1)。根据类别轨迹的发展特征进行命名。类别1:患者服药依从性在基线时处于中等水平(I=6.328),随访全程呈下降趋势(斜率S=-0.705,P<0.001),命名为中依从性-下降组,占比33.8%。类别2:患者服药依从性在基线时处于低水平(I=2.563),后续随访中呈下降趋势(斜率S=-0.340,P<0.001),称为低依从性-下降组,占比17.2%。类别3:患者服药依从性在基线时处于中等水平(I=7.193),随访全程变化不显著(斜率S=0.112,P<0.001),称为持续中依从性组,占比22.8%。类别4:患者服药依从性在基线时处于低等水平(I=3.407),随访全程显著增长(斜率S=0.918,P<0.001),称为低依从性-改善组,占比26.2%。 缺血性脑卒中患者服药依从性发展轨迹 Figure 1 Medication adherence trajectories in patients with ischemic stroke MMAS-8: Morisky Medication Adherence Scale-8. 缺血性脑卒中患者服药依从性轨迹的单因素分析结果 单因素分析结果显示,不同缺血性脑卒中患者服药依从性轨迹在年龄、服药种类、BIPQ评分、SEAMS评分、FACES Ⅱ-CV评分、CD-RISC评分上的差异均具有统计学意义(均P<0.05,表4)。 表4缺血性脑卒中患者服药依从性轨迹的单因素分析(n=373) Table 4 Univariate analysis of influencing factors of medication adherence trajectories in patients with ischemic stroke (n=373)变量 中依从性-下降组 (n=126) 低依从性-下降组 (n=64) 持续中依从性组 (n=85) 低依从性-改善组 (n=98) H/F/χ 2 P 年龄/[例(%)]20.023<0.00118~59岁40(31.7)14(21.9)40(47.1)51(52.0)≥60岁86(68.3)50(78.1)45(52.9)47(48.0)性别/[例(%)]4.6300.201男83(65.9)39(60.9)64(75.3)71(72.4)女43(34.1)25(39.1)21(24.7)27(27.6)婚姻状态/[例(%)]0.1990.978已婚81(64.3)42(65.6)57(67.1)65(66.3)单身45(35.7)22(34.4)28(32.9)33(33.7)工作状态/[例(%)]5.8170.444在职60(47.6)23(36.0)36(42.4)45(45.9)退休33(26.2)15(23.4)25(29.4)28(28.6)无业33(26.2)26(40.6)24(28.2)25(25.5)文化程度/[例(%)]16.4870.170文盲11(8.7)6(9.4)8(9.4)8(8.2)小学15(11.9)9(14.1)8(9.4)10(10.2)初中43(34.2)19(29.7)28(33.0)19(19.4)高中/中专/大专32(25.4)16(25.0)17(20.0)41(41.8)大学及以上25(19.8)14(21.8)24(28.2)20(20.4)医疗付费方式/[例(%)]10.9870.281新农合35(27.8)22(34.4)22(25.9)20(20.4)城镇职工保60(47.6)31(48.4)45(52.9)59(60.2)城镇居民保26(20.6)6(9.4)12(14.1)12(12.2)自费5(4.0)5(7.8)6(7.1)7(7.2)家庭月收入水平/[例(%)]9.4600.149<5 000元32(25.4)18(28.1)17(20.0)18(18.4)5 000~9 999元56(44.4)34(53.1)42(49.4)60(61.2)≥10 000元38(30.2)12(18.8)26(30.6)20(20.4)慢性病种类/[例(%)]3.8320.699138(30.2)12(18.8)21(24.7)24(24.5)226(20.6)14(21.9)20(23.5)25(25.5)≥362(49.2)38(59.3)44(51.8)49(50.0)服药种类/[例(%)]32.061<0.0011~550(39.7)20(31.2)60(70.6)58(59.2)>576(60.3)44(68.8)25(29.4)40(40.8)脑卒中部位/[例(%)]2.9460.890大脑半球45(35.7)22(34.4)31(36.5)34(34.7)基底节区50(39.7)27(42.2)33(38.8)39(39.8)脑干21(16.7)10(15.6)14(16.5)16(16.3)小脑10(7.9)5(7.8)7(8.2)9(9.2)脑卒中发作次数/[例(%)]3.8140.282159(46.8)29(45.3)50(58.8)51(52.0)≥267(53.2)35(54.7)35(41.2)47(48.0)变量 中依从性-下降组 (n=126) 低依从性-下降组 (n=64) 持续中依从性组 (n=85) 低依从性-改善组 (n=98) H/F/χ 2 P NIHSS评分/[例(%)]5.5760.472<545(35.7)18(28.1)35(41.2)28(28.6)5~1555(43.7)27(42.2)33(38.8)45(45.9)>1526(20.6)19(29.7)17(20.0)25(25.5)SEAMS评分28.00(26.00, 33.00)26.00(23.00, 28.00)29.00(26.00, 35.00)28.00(26.00, 32.00)29.729<0.001CD-RISC评分60.00(56.00, 60.00)60.00(56.00, 60.00)64.00(60.00, 74.00)62.00(56.00, 72.00)31.200<0.001FACES Ⅱ-CV评分83.00(79.00, 86.00)79.00(73.25, 81.00)92.00(82.00, 102.00)84.50(79.00, 88.00)43.941<0.001BIPQ评分61.04±7.1066.55±7.3160.28±6.4160.82±7.1212.306<0.001正态分布的连续变量采用均数±标准差描述,组间比较采用单因素方差分析;非正态分布的连续变量采用中位数(第1四分位数,第3四分位数)描述,组间比较采用Kruskal-Wallis H检验;分类资料采用频数(构成比)描述,组间比较采用χ 2检验。 缺血性脑卒中患者服药依从性轨迹的单因素分析(n=373) Table 4 Univariate analysis of influencing factors of medication adherence trajectories in patients with ischemic stroke (n=373) 中依从性-下降组 (n=126) 低依从性-下降组 (n=64) 持续中依从性组 (n=85) 低依从性-改善组 (n=98) 中依从性-下降组 (n=126) 低依从性-下降组 (n=64) 持续中依从性组 (n=85) 低依从性-改善组 (n=98) 正态分布的连续变量采用均数±标准差描述,组间比较采用单因素方差分析;非正态分布的连续变量采用中位数(第1四分位数,第3四分位数)描述,组间比较采用Kruskal-Wallis H检验;分类资料采用频数(构成比)描述,组间比较采用χ 2检验。 缺血性脑卒中患者服药依从性轨迹的多因素分析结果 以缺血性脑卒中患者服药依从性轨迹作为因变量,将单因素分析中有统计学意义的变量纳入多元Logistic回归分析模型。模型哑变量赋值如下:年龄以≥60岁为参照,服药种类以>5为参照,分析优先以预后风险最高的低依从性-下降组为参照,便于识别各因素相对于高危结局的保护作用。Logistic回归分析结果(表5)显示,以低依从性-下降组为参照,SEAMS评分每增加1,服药依从性轨迹归于持续中依从性组、中依从性-下降组、低依从性-改善组的可能性分别增加48.3%(OR=1.483)、33.9%(OR=1.339)、36.5%(OR=1.365;均P<0.05);BIPQ评分每增加1,归属于上述3组的可能性分别降低18.9%(OR=0.811)、15.7%(OR=0.843)、16.3%(OR=0.837;均P<0.05);FACES Ⅱ-CV评分每增加1,归于上述3组的可能性分别增加9.2%(OR=1.092)、4.3%(OR=1.043)、5.6%(OR=1.056;均P<0.05);CD-RISC评分每增加1,患者归于持续中依从性组和低依从性-改善组的可能性分别增加9.1%(OR=1.091)和6.2%(OR=1.062;均P<0.05)。此外,服药种类1~5的患者归于持续中依从性组和低依从性-改善组的可能性分别是服药种类>5者的5.405倍和3.010倍(均P<0.05);18~59岁患者归属于上述2组的可能性分别是≥60岁者的3.537倍和4.032倍(均P<0.05)。以持续中依从性组为参照,SEAMS、FACES II-CV和CD-RISC评分每增加1,服药种类1~5及年龄18~59岁的患者归入中依从性-下降组的可能性分别降低9.7%、4.5%、9.1%、77.5%和55.8%(均P<0.05,表6)。综上,年龄≥60岁、服药种类>5及较低的心理弹性水平是缺血性脑卒中患者进入低依从性-下降组、中依从性-下降组的危险因素;较高的自我效能、家庭功能及较弱的负性疾病感知是避免归入低依从性-下降组的保护因素(P<0.05)。 表5以低依从性-下降组为参照的缺血性脑卒中患者服药依从性轨迹预测因素的多元Logistic回归分析(n=373) Table 5 Multivariate Logistic regression analysis of predictors of medication adherence trajectories in patients with ischemic stroke with the low adherence-declining group as the reference (n=373)自变量持续中依从性组低依从性-改善组中依从性-下降组 OR(95% CI) P OR(95% CI) P OR(95% CI) P SEAMS1.483(1.313~1.675)<0.0011.365(1.214~1.534)<0.0011.339(1.199~1.496)<0.001BIPQ0.811(0.757~0.869)<0.0010.837(0.784~0.893)<0.0010.843(0.793~0.896)<0.001FACES Ⅱ-CV1.092(1.056~1.129)<0.0011.056(1.022~1.091)0.0011.043(1.011~1.076)0.008CD-RISC1.091(1.033~1.154)0.0021.062(1.008~1.119)0.0230.991(0.941~1.044)0.736服药种类5.405(2.271~12.867)<0.0013.010(1.373~6.601)0.0061.006(0.479~2.115)0.986年龄3.537(1.409~8.857)0.0074.032(1.718~9.464)0.0011.569(0.696~3.537)0.278 以低依从性-下降组为参照的缺血性脑卒中患者服药依从性轨迹预测因素的多元Logistic回归分析(n=373) Table 5 Multivariate Logistic regression analysis of predictors of medication adherence trajectories in patients with ischemic stroke with the low adherence-declining group as the reference (n=373) 表6以持续中依从性组为参照的缺血性脑卒中患者服药依从性轨迹预测因素的多元Logistic回归分析(n=373) Table 6 Multivariate Logistic regression analysis of predictors of medication adherence trajectories in patients with ischemic stroke with the persistent moderate adherence group as the reference (n=373)自变量低依从性-改善组中依从性-下降组 OR(95% CI) P OR(95% CI) P SEAMS0.920(0.857~0.988)0.0220.903(0.837~0.974)0.009BIPQ1.032(0.985~1.081)0.1861.039(0.989~1.092)0.130FACES Ⅱ-CV0.967(0.947~0.988)0.0020.955(0.934~0.978)<0.001CD-RISC0.974(0.939~1.011)0.1630.909(0.873~0.946)<0.001服药种类0.550(0.286~1.054)0.0720.225(0.116~0.438)<0.001年龄1.109(0.598~2.056)0.7440.442(0.220~0.809)0.009 以持续中依从性组为参照的缺血性脑卒中患者服药依从性轨迹预测因素的多元Logistic回归分析(n=373) Table 6 Multivariate Logistic regression analysis of predictors of medication adherence trajectories in patients with ischemic stroke with the persistent moderate adherence group as the reference (n=373) 讨 论 本研究结果显示,缺血性脑卒中患者服药依从性在出院后呈波动下降趋势,且中、低服药依从性患者的占比稳定在90%以上,这与以往研究[23]结果一致,提示缺血性脑卒中患者服药依从性整体状况不容乐观,亟需改善。基于LGMM,本研究识别出缺血性脑卒中患者服药依从性发展轨迹可分为持续中依从性组(22.8%)、中依从性-下降组(33.8%)、低依从性-改善组(26.2%)、低依从性-下降组(17.2%)4个类别,提示缺血性脑卒中患者在长期服药依从行为上存在群体异质性。 本研究发现,老年、多重用药(服药种类>5)、心理弹性差的缺血性脑卒中患者的治疗依从性更倾向归于中依从性‑下降组或低依从性‑下降组。中青年患者回归职场及正常生活的意愿更强[24],且主动获取、解读、评判健康信息的能力及运用数字媒介的能力均强于老年患者[25],更可能表现为依从性改善。多重用药增加了药物治疗方案的复杂性。合并认知障碍的脑卒中患者更不容易掌握正确服药方法,导致漏服、错服现象增多,药物不良反应风险及疗效监测难度加大,削弱了患者规范服药的意愿,因而服药依从性变差。缺血性脑卒中作为突发应激事件打破了患者原本生活秩序及家庭结构稳定性,心理弹性越差的患者面对负性应激更偏向于采用退缩、自责、幻想等消极应对方式,更容易出现抑郁、焦虑、恐惧等心理健康问题,进而导致服药依从性下降[11]。 本研究还发现负性疾病感知较强、服药自我效能较低及家庭功能较差的患者更倾向归于低依从性-下降组。负性疾病感知较弱的患者在漫长且反复发作的病程中对病情控制有更强烈的信心,采纳健康行为的意愿更为强烈,能清晰辨别有益于康复的健康行为并积极调整;而负性疾病感知较强的患者常担忧预后不良,容易产生倦怠心理,形成消极的应对方式[26]。自我效能越高的患者对自身能完成药物管理的信心越强,会更积极地学习药物知识及技能,从而倾向于规范用药[27]。家庭是缺血性脑卒中患者出院后回归的主要场所,也是其社会支持的核心来源。良好的家庭亲密度与适应性能促进脑卒中患者对资源的利用,促使其做出科学的健康行为决策[28]。 既往研究[29]表明,家庭功能可通过家庭亲密度与适应性为患者提供情感支持和行为监督,从而增强其心理调适能力;心理弹性水平较高的患者更倾向采用积极的策略应对功能障碍,进而改善其对疾病严重程度及控制感的认知评价[30]。此外,负性疾病感知较弱的患者对服药行为更具控制感,自我效能水平更高,从而可进一步改善服药依从性[31]。因此,家庭功能、心理弹性、疾病感知与自我效能可能相互影响,共同推动依从性轨迹的形成,这一假设有待未来研究验证。 本研究中,NIHSS评分并未显示出对服药依从性轨迹的预测作用,可能源于脑卒中后6个月内存在神经功能自发性恢复机制[32],从而降低了基线功能状态对后续服药依从行为的预测作用;此外,NIHSS主要评估神经功能损害的严重程度,与患者长期服药行为的能力(如执行功能、记忆力)关联不强[33],而后者更受心理因素影响[34];同时,本研究中轻、中度神经功能损害患者的占比较高,基线神经功能损害程度的变异较小,可能限制了其对远期服药依从行为的区分效能。 不同服药依从性轨迹与临床结局密切相关。一项针对心血管疾病人群的荟萃分析[35]显示,以服药完全依从者为参照,持续低服药依从性者的全因死亡风险及主要不良心血管事件风险分别为服药完全依从者的1.67倍和1.32倍,服药依从性改善者的上述2项风险分别为服药完全依从者的1.26倍和1.22倍,服药依从性下降者的主要不良心血管事件风险为完全依从者的1.24倍。Mefford等[36]基于大规模动脉粥样硬化疾病患者的队列研究亦证实,持续低服药依从性及持续中等服药依从性患者的复合心血管事件风险分别为完全依从性者的1.20倍和1.13倍。结合本研究识别的4类依从性轨迹特征及上述证据,可推断不同依从性轨迹的缺血性脑卒中患者的远期预后可能存在差异:低依从性-下降组风险最高;低依从性-改善组服药依从性虽呈增长趋势,但早期药物治疗不足所致的残余风险仍需关注;中依从性-下降组早期药物防控效益有限,且依从性持续下降可削弱药物的长期防控效果;持续中依从性组服药依从性长期处于次优水平,其潜在不良累积效应亦不容忽视。 研究[37-38]发现,脑卒中患者停用抗血小板药后血小板生成及聚集反弹性增加,8~30 d脑卒中复发风险较高。降脂药具有降脂、抗炎及稳定动脉粥样硬化斑块的功能[39],脑卒中后3~6个月停药者,由于其中长期保护效应减弱,1年内脑卒中复发风险增加42%[40];停用降压药可导致血压控制不佳[41],脑卒中复发风险增加[42]。因此,应关注缺血性脑卒中患者服药依从性的动态变化,尽早识别轨迹类型并实施针对性干预。针对低依从性-下降组,应强调抗血小板药物在预防血栓形成和脑卒中复发中的重要性,督促漏服、间断服药及停药患者尽早规范服药行为;指导家属使用药盒填充检查表方法及药物不良反应的监督技巧,采用动机访谈纠正患者的负性疾病感知,依托服药日历打卡机制实施正向激励。针对中依从性-下降组,应关注患者因血脂指标好转或药物不良反应而停用降脂药;重点关注老年患者,联合临床药师整合药物治疗方案,引入正念减压团体课程调适身心[43]。对于低依从性-改善组,应精准识别并强化依从行为改善的关键触发因素,引导患者分享依从性改善的成功经验;通过微信平台可视化反馈血压、血脂、血糖等关键指标的变化趋势,以巩固服药行为的持续正向转变。针对持续中依从性组,应重点关注已停用降压药的患者,警惕其因无自觉症状或血压正常而忽视规范用药必要性,同时加强随访,识别患者服药行为的潜在顾虑,及时调整干预策略。 本研究基于LGMM识别出了缺血性脑卒中患者的4类服药依从性发展轨迹,说明缺血性脑卒中患者服药依从性发展轨迹存在显著异质性。医务人员应针对不同轨迹类别患者采取针对性的干预策略,改善患者临床结局。本研究也存在一定局限性:1)调查对象仅来源于一家三甲医院,可能存在选择偏倚。同时,三甲医院患者的病情复杂程度及多重用药比例普遍高于社区或基层医院,这可能使“服药种类”的OR值高于真实人群水平,从而高估多重用药对服药依从性下降的影响。因此,向社区或基层医疗机构的推广需结合实际情境进一步验证。2)服药依从性信息来源于患者自我报告,难以避免回忆偏倚,准确性有待提升。3)实际样本量高于估算样本量,有助于提升统计检验效能与参数估计精度;但样本量增大可能导致效应量较小、临床意义有限的差异被检出为具有统计学意义,因此未来仍需结合效应量与临床实际意义进行综合判断。4)未对失访者与完成随访者的基线特征进行比较,因此无法完全排除因非随机失访导致的选择偏倚,这限制了结果的外推性。建议未来研究进一步开展失访分析以验证结果的稳健性。5)认知功能是缺血性脑卒中患者服药依从性的重要影响因素,本研究未采用认知功能的专项评估工具(如蒙特利尔认知评估),因而无法量化认知功能对服药依从性轨迹的具体影响。未来研究应考虑在基线资料采集中纳入标准化的认知功能评估,探讨其在缺血性脑卒中患者服药依从性轨迹中的预测价值。6)采用的FACES II-CV条目并非针对慢性病管理场景,未来应采用更针对疾病管理的家庭功能量表,以验证其对服药依从性轨迹的预测作用。7)心理弹性、疾病感知等指标具有时变特征,未来应采用纵向研究深入探索其动态变化对服药依从性发展轨迹的影响,发掘干预的敏感窗口,进一步提升研究结果的临床指导价值。