Value of Multiple Scoring Systems in Evaluating the Prognosis of Liver Cirrhosis Complicated with Esophageal and Gastric Varices Bleeding
-
摘要:
目的 比较AIMS65、GBS、MGBS、EGBS、CRS、CANUKA、Child-Turcotte-Pugh（CTP）、MELD、MELD-Na评分系统在肝硬化合并食管胃底静脉曲张破裂出血患者（esophagealgastricvariceal bleeding，EGVB）预后评估中的价值，探讨影响肝硬化合并EGVB患者预后不良的影响因素。 方法 对确诊为肝硬化合并EGVB的患者169例，根据患者是否发生院内再出血或死亡将患者分为预后良好组和预后不良组，计算出每名患者入院时的各模型评分，比较2组患者的临床特点。 结果 预后不良组35例，预后良好组134例，预后不良组的评分均高于预后良好组，AIMS65评分在预测患者是否预后不良时表现最优，且差异具有统计学意义（P < 0.05）。预后良好组患者HB、ALB较预后不良组高，PT、INR较预后不良组低，差异具有统计学意义（P < 0.05），经多因素Logistic回归分析提示ALB可能是肝硬化合并EGVB患者预后不良的独立保护因素。 结论 AIMS65是肝硬化合并食管胃底静脉曲张出血患者预后评估的最佳评分系统；ALB可能是肝硬化合并食管胃底静脉曲张出血患者预后不良的独立保护因素。 -
关键词:
- 肝硬化 /
- 食管胃底静脉曲张出血 /
- 评分系统
Abstract:Objective To compare the values of AIMS65, GBS, MGBS, EGBS, CRS, CANUKA, Child-Turcotte-Pugh （CTP）, MELD, and MELD-Na scoring systems in the evaluation of the prognosis of patients with liver cirrhosis and EGVB, and explore the factors affecting the poor prognosis of patients with liver cirrhosis and EGVB. Methods A total of 169 patients diagnosed with liver cirrhosis and EGVB were divided into a good prognosis group and a poor prognosis group according to whether the patients had rebleeding or death in the hospital. The scores of each model at the time of admission of each patient were calculated, and the clinical characteristics of the two groups of patients were compared. Results There were 35 cases in the poor prognosis group and 134 cases in the good prognosis group. The scores of the poor prognosis group were higher than those of the good prognosis group. The AIMS65 score was the best in predicting whether the patient had a poor prognosis, and the difference was statistically significant （P < 0.05）. The HB and ALB in the good prognosis group were higher than those in the poor prognosis group, and the PT and INR were lower than those in the poor prognosis group. The difference was statistically significant （P < 0.05）. Multivariate logistic regression analysis suggested that ALB may be an independent protection factor for poor prognosis in patients with liver cirrhosis and EDVB. Conclusion AIMS65 is the best scoring system for prognostic evaluation of patients with liver cirrhosis and esophageal varices bleeding; ALB may be an independent protective factor for the poor prognosis of patients with liver cirrhosis and esophageal and gastric varices bleeding. -
Key words:
- Hepatic cirrhosis /
- Esophageal gastric variceal bleeding /
- Scoring system
-
青少年抑郁症状检出率较高，是自杀行为的重要预测因素。我国5省中学生抑郁情绪检出率为19.70%[1]，且有研究发现，近30 a我国青少年抑郁水平逐年上升[2]，青少年抑郁症状将成为中国重大的公共卫生挑战。由于中学生身心发展尚不成熟，易受家庭氛围、人际关系、学业压力等因素影响，更可能产生抑郁症状[3]。抑郁症状可能导致中学生学业失败、酗酒、药物滥用、自我伤害、自杀等行为问题的风险增加[4−5]。且青春期的抑郁症状是成年后抑郁发作的危险因素。有研究发现，存在不良饮食习惯、吸烟、网络成瘾等不健康生活行为方式的青少年更可能有抑郁症状[6−7]。同时，坚持健康的生活方式与抑郁症状负相关[8]。目前大量的研究关注了青少年抑郁症状，但鲜有研究关注云南边远多民族地区青少年抑郁症状。本研究在云南屏边苗族地区开展问卷调查，分析苗族地区农村中学生生活行为方式与抑郁症状的关联，为中学开展抑郁症状防控提供理论依据。
1. 资料与方法
1.1 研究对象
于2023年7月，采用随机整群抽样方法，抽取云南省红河州屏边苗族自治县2所中学（第二中学和第五中学）的学生进行问卷调查。纳入标准：学校、监护人及中学生知情同意，自愿参与调查；问卷无逻辑错误和关键变量无缺失。排除标准：监护人或中学生知情不同意参与本调查、问卷有逻辑错误和关键变量缺失。共调查819名中学生，纳入分析有效问卷819份，有效回收率100%。其中，初一学生415人（50.67%），初二学生404人（49.33%）；男生393人（47.99%），女生426人（52.01%）；苗族544人（66.42%），其他民族275人（33.58%）；居住在农村802人（97.92%），居住在城镇17人（2.08%）。年龄12～18岁，平均年龄（13.90±0.82）岁。
1.2 研究方法
1.2.1 人口学变量
包括性别、民族、家庭居住地、独生子女、家庭类型、家庭经济条件、父/母文亲化程度、父/母亲职业、学习压力、家庭变故、住院经历、抑郁症家族史。
1.2.2 生活行为方式
调查中学生最近1个月学习日/休息日视屏时间、户外活动、吸烟、饮酒情况；最近1个月快餐（西式/中式/外卖快餐）、新鲜食物（新鲜水果蔬菜/肉类/牛奶）、腌制食品（腌制肉/菜）、饮料、甜食、零食、烧烤、罐头和奶酪等食物的消费情况；最近1周吃早餐/夜宵情况。视屏时间指看电视、使用手机、电脑（台式电脑、笔记本、平板等）、电子游戏机及其他设备的时间。户外活动指跑步、骑行、登山、打球等在室外进行的体育活动。
1.2.3 抑郁症状评估
使用简体中文版抑郁-焦虑-压力量表（depression anxiety stress scale，DASS-21）的抑郁分量表进行中学生抑郁症状筛查。采用4级计分，0（不符合）～4分（总是符合），7项抑郁条目得分之和×2为该分量表得分。评估结果分为5种情况：无抑郁（0～9分）、轻度抑郁（10～13分）、中度抑郁（14～20分）、重度抑郁（21～27分）、极重度抑郁（≥28分）。本研究中，将得分0～9分的中学生评估为无抑郁症状，得分≥10分的中学生评估为有抑郁症状。抑郁分量表在中国人群中测试Cronbach α系数为0.89[9]，本研究中Cronbach α系数为0.85，信效度较好。
1.3 问卷调查及质量控制
使用课题组自编的饮食行为调查问卷，Cronbach α系数为0.81。以班级为单位，将中学生集中在教室进行现场调查，经过统一培训的调查员向学生说明调查目的及相关注意事项后，学生独立填写纸质版问卷，调查员在现场随时解决学生提出来的问题。回收问卷后调查员立即审核，剔除不合格问卷。本次调查遵循匿名、自愿原则，获得学校、监护人和中学生的知情同意。本研究通过昆明学院医学院医学伦理委员会审批（批号：20210222）。
1.4 统计学处理
使用EpiData3.1建立数据库，并进行数据库核查。导入SPSS23.0对数据进行统计分析。使用$ {\chi }^{2} $检验比较不同人口学特征中学生抑郁症状检出率，使用广义线性模型分析生活行为方式与抑郁症状的关联。广义线性模型按性别分层分析，建立2个模型，模型1不控制变量，模型2控制性别、民族、家庭居住地等人口学变量以及可能影响抑郁症状的其他变量。检验水准α=0.05。
2. 结果
2.1 不同人口统计学特征中学生抑郁症状检出率比较
屏边苗族地区中学生检出抑郁症状的有272人，检出率为33.21%。不同性别（χ2=14.363，P < 0.05）、家庭类型（χ2=23.080，P < 0.05）、家庭经济条件（χ2=11.090，P < 0.05）、学习压力（χ2=31.817，P < 0.05）、抑郁症家族史（χ2=22.146，P < 0.05）组间中学生抑郁症状检出率差异有统计学意义；而民族、家庭居住地、独生子女、父/母文化程度、父/母职业、家庭变故、住院经历组间中学生抑郁症状检出率差异无统计学意义（P > 0.05）。见表1。
表 1 不同人口学特征中学生抑郁症状检出率比较 [n（%）]Table 1. Comparison of the detection rate of depressive symptoms in middle school students with different demographic characteristics [n（%）]人口统计学指标 选项 无抑郁症状 抑郁症状 χ2 P 年龄（岁） 12 9（75.00） 3（25.00） 1.256 0.869 13 175（68.36） 81（31.64） 14 247（66.22） 126（33.78） 15 106（65.84） 55（34.16） ≥16 10（58.82） 7（41.18） 性别 男 288（73.28） 105（26.72） 14.363 <0.001** 女 259（60.80） 167（39.20） 民族 苗族 359（65.99） 185（34.01） 0.463 0.496 其他民族 188（68.36） 87（31.64） 家庭居住地 农村 537（66.96） 265（33.04） 0.497 0.481 城镇 10（58.82） 7（41.18） 独生子女 是 38（60.32） 25（39.68） 1.289 0.256 否 509（67.33） 247（32.67） 家庭类型 双亲家庭a 431（68.63） 197（31.37） 23.080 <0.001** 单亲家庭 59（67.82） 28（32.18） 组合家庭b 50（65.79） 26（34.21） 其他 7（25.00） 21（75.00） 家庭经济条件 差 10（55.56） 8（44.44） 11.090 0.026* 较差 49（53.26） 43（46.74） 中等 395（69.06） 177（30.94） 较好 75（70.09） 32（29.91） 好 18（60.00） 12（40.00） 父亲文化程度 文盲 117（65.00） 63（35.00） 7.025 0.135 小学毕业 192（70.85） 79（29.15） 初中 199（62.78） 118（37.22） 高中/中专 35（77.78） 10（22.22） 大专及以上 4（66.67） 2（33.33） 母亲文化程度 文盲 220（66.07） 113（33.93） 1.595 0.810 小学毕业 171（66.02） 88（33.98） 初中 135（69.59） 59（30.41） 高中/中专 18（66.67） 9（33.33） 大专及以上 3（50.00） 3（50.00） 父亲职业 农民 397（68.80） 180（31.20） 4.617 0.329 公职人员c 8（57.14） 6（42.86） 工人 107（61.49） 67（38.51） 商人 11（73.33） 4（26.67） 其他 24（61.54） 15（38.46） 母亲职业 农民 407（67.72） 194（32.28） 4.333 0.363 公职人员c 3（37.50） 5（62.50） 工人 93（65.03） 50（34.97） 商人 14（73.68） 5（26.32） 其他 30（62.50） 18（37.50） 学习压力 很重 43（44.79） 53（55.21） 31.817 <0.001** 重 158（62.95） 93（37.05） 一般 326（73.09） 120（26.91） 轻 17（77.27） 5（22.73） 很轻 3（75.00） 1（25.00） 家庭变故 是 105（60.69） 68（39.31） 3.673 0.055 否 442（68.42） 204（31.58） 住院经历 是 219（63.66） 125（36.34） 2.613 0.106 否 328（69.05） 147（30.95） 抑郁症家族史 是 4（19.05） 17（80.95） 22.146 <0.001** 否 543（68.05） 255（31.95） 注：（）内数字为检出率/%。a指均为生父母，b指有继父或继母，c指公务员及事业单位人员；*P < 0.05 ，**P < 0.01。 2.2 中学生生活行为方式与抑郁症状的关联
以抑郁症状评分为因变量，以生活行为方式为自变量进行广义线性模型分析。结果显示，在控制混杂因素后（模型2），最近1个月学习日视屏时间、白天户外活动时间、新鲜食物（新鲜水果蔬菜/肉类/牛奶）消费、零食消费、最近1周早餐行为均与中学生抑郁症状关联（P值均<0.05），β值（95%CI）分别为0.283（0.114～0.452）、-0.292（-0.512～-0.071）、-0.291（-0.529～-0.053）、0.294（0.019～0.569）、-0.263（-0.455～-0.071）。按性别分层分析结果显示，最近1个月学习日视屏时间、白天户外活动时间、新鲜食物（新鲜水果蔬菜/肉类/牛奶）消费、最近1周早餐行为与男生抑郁症状关联（P值均<0.05），β值（95%CI）分别为0.297（0.074～0.520）、-0.369（-0.673～-0.065）、-0.423（-0.735～-0.110）、-0.288（-0.567～-0.010）；最近1个月学习日视屏时间、抽烟、西式快餐消费、最近1周早餐行为与女生抑郁症状关联（P值均<0.05），β值（95%CI）分别为0.306（0.056～0.557）、0.679（0.044～1.314）、-1.278（-2.425～-0.131）、-0.304（-0.576～-0.031）。见表2、表3。
表 2 中学生生活行为方式与抑郁症状的关联（n=819）Table 2. Association between lifestyle behaviors and depressive symptoms among middle school students （n=819）模型 生活行为 标准误 Wald $ {\chi }^{2} $ P β（95%CI） 模型1 学习日视屏时间 0.090 10.807 0.001** 0.294（0.119～0.470） 休息日视屏时间 0.099 0.362 0.548 0.059（−0.134～0.252） 白天户外活动时间 0.117 6.728 0.009** −0.304（−0.534～−0.074） 抽烟支数 0.235 0.872 0.351 0.220（−0.242～0.681） 喝酒杯数 0.251 5.035 0.025* 0.563（0.071～1.055） 吃早餐天数 0.101 13.039 <0.001** −0.364（−0.561～−0.166） 吃夜宵天数 0.130 5.455 0.020* 0.304（0.049～0.560） 西式快餐 0.332 0.946 0.331 −0.323（−0.973～0.327） 中式快餐 0.203 0.09 0.764 −0.061（−0.458～0.336） 外卖快餐 0.334 0.002 0.961 −0.016（−0.670～0.638） 腌制肉 0.171 0.08 0.777 −0.049（−0.384～0.287） 新鲜水果蔬菜/肉类/牛奶 0.128 9.054 0.003** −0.384（−0.634～−0.134） 罐头、面包、奶酪 0.130 0.584 0.445 0.099（−0.155～0.354） 饮料 0.155 0.537 0.464 −0.114（−0.418～0.190） 甜食 0.149 6.478 0.011* 0.380（0.087～0.673） 零食 0.149 2.46 0.117 0.234（−0.058～0.527） 腌制菜 0.155 0.068 0.794 −0.041（−0.345～0.264） 烧烤 0.163 0.255 0.614 0.082（−0.236～0.400） 模型2 学习日视屏时间 0.086 10.726 0.001** 0.283（0.114～0.452） 休息日视屏时间 0.096 0.206 0.650 0.044（−0.145～0.232） 白天户外活动时间 0.112 6.733 0.009** −0.292（−0.512～−0.071） 抽烟支数 0.228 1.133 0.287 0.243（−0.204～0.690） 喝酒杯数 0.244 1.345 0.246 0.283（−0.195～0.762） 吃早餐天数 0.098 7.215 0.007** −0.263（−0.455～−0.071） 吃夜宵天数 0.123 3.523 0.061 0.232（−0.010～0.473） 西式快餐 0.325 0.188 0.665 −0.141（−0.778～0.496） 中式快餐 0.193 0.332 0.564 −0.111（−0.490～0.267） 外卖快餐 0.329 0.053 0.817 −0.076（−0.721～0.569） 腌制肉 0.164 0.894 0.344 −0.155（−0.475～0.166） 新鲜水果蔬菜/肉类/牛奶 0.122 5.721 0.017* −0.291（−0.529～−0.053） 罐头、面包、奶酪 0.123 0.178 0.673 0.052（−0.189～0.293） 饮料 0.149 0.185 0.668 −0.064（−0.355～0.227） 甜食 0.144 2.413 0.120 0.223（−0.058～0.504） 零食 0.140 4.402 0.036* 0.294（0.019～0.569） 腌制菜 0.148 0.008 0.929 −0.013（−0.303～0.277） 烧烤 0.154 1.999 0.157 0.218（−0.084～0.519） 注：模型1未控制变量，模型2控制民族、家庭居住地、是否独生子女、家庭类型、家庭经济条件、父/母文化程度、父/母职业、学习压力、家庭变故、住院经历、抑郁症家族史；*P < 0.05 ，**P < 0.01。 表 3 中学生生活行为方式与抑郁症状的分性别分析（n=819）（1）Table 3. Gender analysis of lifestyle behaviors and depressive symptoms in middle school students （n=819）（1）模型 分层 生活行为 标准误 Wald $ {\chi }^{2} $ P β（95%CI） 模型1 男生 学习日视屏时间 0.116 6.601 0.010* 0.298（0.071～0.525） 休息日视屏时间 0.134 0.086 0.769 0.039（−0.222～0.301） 白天户外活动时间 0.160 6.570 0.010* −0.409（−0.722～−0.096） 抽烟支数 0.328 0.816 0.366 −0.296（−0.938～0.346） 喝酒杯数 0.324 2.796 0.094 0.542（−0.093～1.177） 吃早餐天数 0.144 6.059 0.014* −0.353（−0.635～−0.072） 吃夜宵天数 0.175 5.771 0.016* 0.421（0.077～0.764） 西式快餐 0.384 0.003 0.956 −0.021（−0.774～0.732） 中式快餐 0.285 0.188 0.665 0.123（−0.435～0.682） 外卖快餐 0.406 0.155 0.694 0.160（−0.635～0.955） 腌制肉 0.223 0.393 0.531 −0.140（−0.577～0.298） 新鲜水果蔬菜/肉类/牛奶 0.167 10.919 0.001** −0.552（−0.879～−0.225） 罐头、面包、奶酪 0.175 2.202 0.138 0.260（−0.083～0.604） 饮料 0.211 0.012 0.914 −0.023（−0.437～0.391） 甜食 0.205 6.491 0.011* 0.523（0.121～0.925） 零食 0.208 0.140 0.708 0.078（−0.330～0.487） 腌制菜 0.197 0.129 0.720 0.071（−0.315～0.456） 烧烤 0.207 0.002 0.966 0.009（−0.397～0.414） 女生 学习日视屏时间 0.133 5.614 0.018* 0.316（0.055～0.577） 休息日视屏时间 0.143 0.842 0.359 0.132（−0.149～0.412） 白天户外活动时间 0.166 1.008 0.315 −0.167（−0.493～0.159） 抽烟支数 0.336 3.698 0.054 0.646（−0.012～1.305） 喝酒杯数 0.383 3.015 0.083 0.665（−0.086～1.416） 吃早餐天数 0.143 7.513 0.006** −0.392（−0.672～−0.112） 吃夜宵天数 0.191 0.679 0.410 0.158（−0.217～0.532） 西式快餐 0.591 2.259 0.133 −0.889（−2.047～0.270） 中式快餐 0.284 0.933 0.334 −0.274（−0.831～0.282） 外卖快餐 0.555 0.183 0.668 −0.238（−1.326～0.850） 腌制肉 0.255 0.004 0.951 0.016（−0.485～0.516） 新鲜水果蔬菜/肉类/牛奶 0.192 0.911 0.340 −0.184（−0.561～0.193） 罐头、面包、奶酪 0.190 0.417 0.519 −0.123（−0.496～0.250） 饮料 0.238 0.001 0.980 0.006（−0.46～0.472） 甜食 0.217 0.109 0.741 0.072（−0.353～0.497） 零食 0.219 1.991 0.158 0.310（−0.120～0.740） 腌制菜 0.241 0.132 0.717 −0.087（−0.560～0.385） 烧烤 0.247 0.628 0.428 0.195（−0.288～0.679） 注：模型1未控制变量，模型2控制民族、家庭居住地、是否独生子女、家庭类型、家庭经济条件、父/母文化程度、父/母职业、学习压力、家庭变故、住院经历、抑郁症家族史；*P < 0.05 ，**P < 0.01。 表 3 中学生生活行为方式与抑郁症状的分性别分析（n=819）（2）Table 3. Gender analysis of lifestyle behaviors and depressive symptoms in middle school students （n=819）（2）模型 分层 生活行为 标准误 Wald χ2 P β（95%CI） 模型2 男生 学习日视屏时间 0.114 6.815 0.009** 0.297（0.074～0.520） 休息日视屏时间 0.130 0.005 0.945 0.009（−0.245～0.263） 白天户外活动时间 0.155 5.672 0.017* −0.369（−0.673～−0.065） 抽烟支数 0.332 0.905 0.341 −0.316（−0.966～0.335） 喝酒杯数 0.323 1.232 0.267 0.359（−0.275～0.992） 吃早餐天数 0.142 4.112 0.043* −0.288（−0.567～−0.010） 吃夜宵天数 0.167 3.065 0.080 0.292（−0.035～0.618） 西式快餐 0.381 0.744 0.389 0.328（−0.418～1.074） 中式快餐 0.270 <0.001 0.986 −0.005（−0.534～0.525） 外卖快餐 0.394 0.214 0.643 0.182（−0.589～0.954） 腌制肉 0.214 0.994 0.319 −0.214（−0.634～0.206） 新鲜水果蔬菜/肉类/牛奶 0.160 7.017 0.008** −0.423（−0.735～−0.110） 罐头、面包、奶酪 0.169 0.104 0.747 0.054（−0.276～0.385） 饮料 0.205 0.198 0.657 −0.091（−0.492～0.310） 甜食 0.195 3.109 0.078 0.344（−0.038～0.726） 零食 0.202 1.194 0.274 0.221（−0.175～0.616） 腌制菜 0.186 0.424 0.515 0.121（−0.243～0.485） 烧烤 0.198 0.454 0.501 0.134（−0.255～0.522） 女生 学习日视屏时间 0.128 5.736 0.017* 0.306（0.056～0.557） 休息日视屏时间 0.141 0.014 0.907 −0.016（−0.292～0.259） 白天户外活动时间 0.159 0.951 0.329 −0.155（−0.466～0.156） 抽烟支数 0.324 4.397 0.036* 0.679（0.044～1.314） 喝酒杯数 0.369 0.470 0.493 0.253（−0.470～0.976） 吃早餐天数 0.139 4.779 0.029* −0.304（−0.576～−0.031） 吃夜宵天数 0.183 0.449 0.503 0.122（−0.236～0.480） 西式快餐 0.585 4.771 0.029* −1.278（−2.425～−0.131） 中式快餐 0.271 0.791 0.374 −0.241（−0.773～0.290） 外卖快餐 0.563 0.192 0.661 −0.247（−1.349～0.856） 腌制肉 0.253 0.019 0.890 −0.035（−0.531～0.461） 新鲜水果蔬菜/肉类/牛奶 0.184 0.003 0.960 −0.009（−0.369～0.351） 罐头、面包、奶酪 0.184 0.008 0.930 −0.016（−0.376～0.344） 饮料 0.225 0.089 0.765 0.067（−0.374～0.509） 甜食 0.207 0.025 0.875 0.033（−0.373～0.438） 零食 0.206 3.269 0.071 0.373（−0.031～0.778） 腌制菜 0.230 0.986 0.321 −0.229（−0.680～0.223） 烧烤 0.233 0.566 0.452 0.175（−0.281～0.632） 注：模型1未控制变量，模型2控制民族、家庭居住地、是否独生子女、家庭类型、家庭经济条件、父/母文化程度、父/母职业、学习压力、家庭变故、住院经历、抑郁症家族史；*P < 0.05 ，**P < 0.01。 3. 讨论
本研究结果显示，云南屏边苗族地区农村中学生抑郁症状检出率为33.21%，略低于涂巍等[10]调查的农村中学生抑郁状况（36.6%），高于云南多民族中学生抑郁症状检出率（28.3%）[11]。女生（39.2%）抑郁症状检出率高于男生（26.7%），差别有统计学意义，与以往研究一致[12]。
分析结果显示，学习日视屏时间长、户外活动时间少、吃早餐天数少、摄入新鲜食物不足、喜欢吃零食会增加中学生抑郁症状发生风险。可能是由于新鲜水果蔬菜、新鲜肉类、新鲜牛奶摄入不足，色氨酸缺乏导致血清素生成量减少，低水平的大脑血清素与抑郁有关[13]。有研究表明，微营养素能降低抑郁风险[14]，而不吃早餐的人较吃早餐的人每日微营养素摄入量更少[15]。学习日视屏时间长可能导致学习成绩下降，学习成绩较差的中学生更可能有抑郁症状[16]。抑郁与较小的海马体积有关，而运动可以增加海马区体积，因此，户外活动时间少可能是中学生抑郁的危险因素[17]。同时，身体活动不足的人花在视屏上的时间更长[18]。不吃早餐与水果蔬菜摄入不足、身体活动不足有关[19]。这些危险因素间的相互作用更增加了抑郁症状发生率。因此，学校应教育中学生养成良好的生活行为方式，预防和改善中学生的抑郁症状。建议学校定期对中学生进行抑郁症状筛查，针对有抑郁症状的中学生加强心理疏导。
按性别分层分析显示，学习日视屏时间长和吃早餐天数少是男生和女生抑郁症状共同的风险性因素，在差异性因素方面，户外活动时间少和新鲜食物摄入不足是男生抑郁症状的风险性因素，抽烟和吃西式快餐是女生抑郁症状的风险性因素。抑郁症状影响因素存在性别差异的可能机制如下：首先，相较于女生，运动能力及体型较差、不擅长运动的男生被边缘化和遭受奚落的风险更高[20]，因此男生户外活动时间与抑郁有很大关系；其次，有研究表明营养知识和食物选择之间存在相关性，女生的营养知识知晓率高于男生[21]，这可能是男生水果和蔬菜消费低于女生的原因[22]；再次，女生容易因快餐摄入过多导致肥胖[23]，但女生更强烈地认同女性需要苗条，她们对自己体型的不满增加了抑郁的风险[24]；最后，与男生相比，女生在消极情绪的诱导下更快地开始吸烟[25]，且戒烟率低于男生[26]，而尼古丁的依赖会增加患抑郁症的风险[27]，所以女生更容易因吸烟导致抑郁。因此，在进行中学生心理健康的干预时，应考虑到性别差异，制定针对性的干预措施。
本研究的优点：首先，目前关于云南苗族地区青少年生活行为方式与抑郁症状的关联的文献未见报道，具有一定的创新性。其次，本研究深入云南边远的苗族地区面对面调查农村青少年生活行为与抑郁症状，研究数据有一定的参考价值。本研究也存在一些局限性：（1）回顾性问卷调查不可避免地存在一定的信息偏倚，比如回忆不清、提供错误信息等；（2）本研究对象均为初中生，年龄范围较窄，且样本量较少，今后需扩宽人群扩大样本量进一步研究，为改善中学生抑郁症状提供更可靠的依据；（3）笔者已经尽量控制混杂因素，但影响抑郁症状的因素还有很多，如社交、睡眠等，可能会夸大研究变量与中学生抑郁症状的关联性；（4）横断面研究仅限于关联性分析，抑郁症状与各变量间的因果关系将在队列研究中确认。
综上所述，云南屏边苗族农村中学生抑郁症状与视屏时间、户外活动、抽烟、早餐行为、西式快餐、新鲜食物和零食消费等多种因素有关联。鉴于不同性别的中学生抑郁症状的影响因素不同，应有针对性地采取相应措施，减少抑郁症状的发生，促进中学生健康成长。
-
图 1 各评分系统对肝硬化EGVB患者不良预后预测的ROC图
Figure 1. ROC diagram of each scoring system for predicting the poor prognosis of patients with liver cirrhosis and EGVB
表 1 预后不良患者与预后良好患者的一般情况对比[（
$\bar x \pm s $ ）/M（P25，P75）/n（%）]Table 1. Comparison of general conditions of patients with poor prognosis and patients with good prognosis [（
$\bar x \pm s $ ）/M（P25，P75）/n（%）]指标 预后不良组（n = 35） 预后良好组（n = 134） t/z P 年龄（岁） 52.00（47.00，63.00） 54.00（46.75，65.00） −0.116 0.907 性别（男/女） 21/14 87/47 0.292 0.589 心率（次/min） 91.26 ± 18.31 86.69 ± 15.67 1.480 0.141 收缩压（mmHg） 107.00（98.00，124.00） 111.00（101.00，124.25） −0.825 0.410 合并糖尿病 6（17.14） 18（13.43） 0.083 0.773 合并肿瘤 11（31.43） 26（19.40） 2.347 0.126 
下载: 导出CSV
表 2 不良预后组与预后良好组各项指标单因素分析[（
$\bar x \pm s $ ）/M（P25，P75）]Table 2. Single factor analysis of various indicators in poor prognosis group and good prognosis group [（
$\bar x \pm s $ ）/M（P25，P75）]指标 预后不良组（n = 35） 预后良好组（n = 134） t/z P 血红蛋白（g/L） 74.57 ± 19.87 86.31 ± 25.40 −2.536 0.012* 白细胞（×109/L） 5.68（3.61，9.11） 4.78（3.18，7.05） −1.389 0.165 血小板（×109/L） 81.00（57.00，113.00） 80.00（59.75，119.50） −0.107 0.915 白蛋白（g/L） 25.28 ± 5.69 30.05 ± 5.85 −4.314 < 0.001* 总胆红素（μmol/L） 28.40（18.30，49.80） 24.95（16.58，35.43） −1.629 0.103 尿素（mmol/L） 8.58（5.30，11.82） 6.71（4.87，10.06） −1.847 0.065 肌酐（μmol/L） 68.00（56.00，88.00） 65.50（53.75，79.50） −0.990 0.322 PT（s） 18.10（15.80，21.70） 16.30（15.08，17.93） −3.135 0.002* INR 1.52（1.35，1.92） 1.33（1.21，1.49） −3.453 0.001* Na+（mmol/L） 137.20（135.50，139.20） 138.15（136.38，140.55） −1.618 0.106 ALT（U/L） 36.00（26.00，49.00） 36.50（27.00，51.00） −0.008 0.994 AST（U/L） 45.00（27.00，74.00） 43.00（27.75，65.00） −0.634 0.526 *P < 0.05。
下载: 导出CSV
表 3 预后不良影响因素的二分类Logistic回归分析
Table 3. Binary logistic regression analysis of factors influencing poor prognosis
指标 B SE Wald df P OR OR的95%CI 下限 上限 Hb −0.004 0.010 0.135 1 0.713 0.996 0.978 1.015 ALB −0.116 0.047 6.221 1 0.013 0.890 0.813 .975 PT −0.721 0.662 1.187 1 0.276 0.486 0.133 1.779 INR×100 0.070 0.059 1.393 1 0.238 1.072 0.955 1.203
下载: 导出CSV
表 4 预后不良组和预后良好组中九种评分系统的分值与对比[M（P25，P75）]
Table 4. Comparison of scores of nine scoring systems in the poor prognosis group and the good prognosis group [M（P25，P75）]
评分系统 预后不良组（n = 35） 预后良好组（n = 134） z P AIMS65 2.00（1.00，3.00） 1.00（0.00，2.00） −4.33 < 0.001* GBS 13.00（11.00，15.00） 10.50（8.00，13.00） −3.56 < 0.001* MGBS 10.00（7.00，11.00） 7.00（5.00，10.00） −2.67 0.008* EGBS 14.00（12.00，16.00） 11.00（9.00，14.00） −3.73 < 0.001* CRS 3.00（2.00，4.00） 1.50（0.00，3.00） −2.98 0.003* CANUKA 10.00（8.00，11.00） 8.00（7.00，10.00） −3.51 < 0.001* CTP 9.00（8.00，12.00） 8.00（7.00，9.00） −3.88 < 0.001* MELD 12.00（10.00，16.00） 10.00（8.00，13.00） −3.82 < 0.001* MELD-Na 12.07（11.00，17.75） 10.00（8.00，13.80） −3.83 < 0.001* *P < 0.05。
下载: 导出CSV
表 5 各评分系统对肝硬化EGVB患者预后不良预测价值的对比
Table 5. Comparison of the predictive value of each scoring system for the poor prognosis of patients with liver cirrhosis and EGVB
评分 AUROC 95%CI AUROC差值 95%CI P AIMS65 0.728 0.654～0.793 参考 CTP 0.710 0.635～0.777 0.0181 −0.0634～0.0996 0.6630 MELD-Na 0.710 0.635～0.777 0.0179 −0.0683～0.104 0.6840 MELD 0.709 0.634～0.776 0.0190 −0.0701～0.108 0.6762 EGBS 0.704 0.629～0.772 0.0237 −0.0848～0.132 0.6689 GBS 0.695 0.619～0.763 0.0332 −0.0860～0.152 0.5854 CANUKA 0.691 0.615～0.760 0.0371 −0.0764～0.151 0.5219 CRS 0.661 0.584～0.732 0.0674 −0.0500～0.185 0.2604 MGBS 0.646 0.569～0.718 0.0820 −0.0393～0.203 0.1853
下载: 导出CSV
表 6 各评分系统对肝硬化EGVB患者预后不良的预测价值及最佳阈值
Table 6. The predictive value and optimal threshold of each scoring system for poor prognosis of patients with liver cirrhosis and EDVB
评分 AUROC Youdenindex Cut-off SE 95%CI Sp 95%CI AIMS65 0.728 0.3226 > 1 62.86 44.9～78.5 69.40 60.9～77.1 CTP 0.710 0.2900 > 7 85.71 69.7～95.2 43.28 34.8～52.1 MELD-Na 0.710 0.3237 > 10 77.14 59.9～89.6 55.22 46.4～63.8 MELD 0.709 0.3188 > 10 71.43 53.7～85.4 60.45 51.6～68.8 EGBS 0.704 0.3610 > 11 77.14 59.9～89.6 58.96 50.1～67.4 GBS 0.695 0.2714 > 10 77.14 59.9～89.6 50.00 41.2～58.8 CANUKA 0.691 0.3399 > 8 74.29 56.7～87.5 59.70 50.9～68.1 CRS 0.661 0.2853 > 2 62.86 44.9～78.5 65.67 57.0～73.7 MGBS 0.646 0.2252 > 5 97.14 85.1～99.9 25.37 18.3～33.6
下载: 导出CSV
-
[1] Mouelhi L,Ayadi H,Zaimi Y,et al. Predictive scores of early mortality from variceal gastrointestinal bleeding in cirrhotic patients[J]. Tunis Med,2016,94(11):670-674. [2] 肝硬化门静脉高压症食管、胃底静脉曲张破裂出血诊治专家共识（2019版）[J]. 中华外科杂志, 2019, 57（12）: 885-892. [3] Jeon H J,Moon H S,Kwon I S,et al. Which scoring system should be used for non-variceal upper gastrointestinal bleeding? Old or new?[J]. Gastroenterol Hepatol,2021,36(10):2819-2827. doi: 10.1111/jgh.15555 [4] Stanley AJ,Laine L,Dalton HR,et al. International Gastrointestinal Bleeding Consortium. Comparison of risk scoring systems for patients presenting with upper gastrointestinal bleeding:international multicentre prospective study[J]. BMJ,2017,4(7):356-359. [5] Kawaguchi K,Isomoto H. Validation of AIMS65 to predict outcomes in acute variceal bleeding:Which risk scoring system outperforms in real practice?[J]. Dig Endosc,2020,32(5):739-741. doi: 10.1111/den.13657 [6] Biselli M,Gramenzi A,Lenzi B,et al. Development and Validation of a Scoring System That Includes Corrected QT Interval for Risk Analysis of Patients With Cirrhosis and Gastrointestinal Bleeding[J]. Clin Gastroenterol Hepatol,2019,17(7):1388-1397. doi: 10.1016/j.cgh.2018.12.006 [7] Tantai X X,Liu N,Yang L B,et al. Prognostic value of risk scoring systems for cirrhotic patients with variceal bleeding[J]. World J Gastroenterol,2019,25(45):6668-6680. doi: 10.3748/wjg.v25.i45.6668 [8] Robertson M,Ng J,Abu Shawish W,et al. Risk stratification in acute variceal bleeding:Comparison of the AIMS65 score to established upper gastrointestinal bleeding and liver disease severity risk stratification scoring systems in predicting mortality and rebleeding[J]. Dig Endosc,2020,32(5):761-768. doi: 10.1111/den.13577 [9] Motola-Kuba M,Escobedo-Arzate A,Tellez-Avila F,et al. Validation of prognostic scores for clinical outcomes in cirrhotic patients with acute variceal bleeding[J]. Ann Hepatol,2016,15(6):895-901. [10] Budimir I,Gradišer M,Nikolić M,et al. Glasgow Blatchford,pre-endoscopic Rockall and AIMS65 scores show no difference in predicting rebleeding rate and mortality in variceal bleeding[J]. Scand J Gastroenterol,2016,51(11):1375-1379. doi: 10.1080/00365521.2016.1200138 [11] 中华医学会肝病学分会. 肝硬化诊治指南[J]. 现代医药卫生,2020,36(2):1-19. [12] Saltzman John R,Tabak Ying P,Hyett Brian H,et al. A simple risk score accurately predicts in-hospital mortality,length of stay,and cost in acute upper GI bleeding[J]. Gastrointest Endosc,2011,74(6):1215-1224. doi: 10.1016/j.gie.2011.06.024 [13] Blatchford O,Murray W R,Blatchford M. A risk score to predict need for treatment for upper-gastrointestinal haemorrhage[J]. Lancet,2000,356(9238):1318-1321. doi: 10.1016/S0140-6736(00)02816-6 [14] Cheng D W,Lu Y W,Teller T,et al. A modified Glasgow Blatchford Score improves risk stratification in upper gastrointestinal bleed:a prospective comparison of scoring systems[J]. Aliment Pharmacol Ther,2012,36(8):782-789. doi: 10.1111/apt.12029 [15] Laursen S B,Hansen J M,Schaffalitzky de Muckadell O B. The Glasgow Blatchford score is the most accurate assessment of patients with upper gastrointestinal hemorrhage[J]. Clin Gastroenterol Hepatol,2012,10(10):1130-1135. doi: 10.1016/j.cgh.2012.06.022 [16] Rockall T A,Logan R F,Devlin H B,et al. Risk assessment after acute upper gastrointestinal haemorrhage[J]. Gut,1996,38(3):316-321. doi: 10.1136/gut.38.3.316 [17] Oakland K,Kahan B C,Guizzetti L,et al. Development,validation,and comparative assessment of an international scoring system to determine risk of upper gastrointestinal bleeding[J]. Clin Gastroenterol Hepatol,2019,17(6):1121-1129. doi: 10.1016/j.cgh.2018.09.039 [18] Huo T I,Wang Y W,Yang Y Y,et al. Model for end-stage liver disease score to serum sodium ratio index as a prognostic predictor and its correlation with portal pressure in patients with liver cirrhosis[J]. Liver Int,2007,27(4):498-506. doi: 10.1111/j.1478-3231.2007.01445.x [19] Morales-Arráez D,Ventura-Cots M,Altamirano J,et al. The MELD Score Is Superior to the Maddrey Discriminant Function Score to Predict Short-Term Mortality in Alcohol-Associated Hepatitis:A Global Study[J]. Gastroenterol,2022,117(2):301-310. [20] Ruf A E,Kremers W K,Chavez L L,et al. Addition of serum sodium into the MELD score predicts waiting list mortality better than MELD alone[J]. Liver Transpl,2005,11(3):336-343. doi: 10.1002/lt.20329 [21] 程家宁. 内镜联合药物诊治肝硬化食管-胃底静脉曲张破裂出血的疗效及再出血影响因素[J]. 临床普外科电子杂志,2021,9(4):26-30. doi: 10.3969/j.issn.2095-5308.2021.04.006 [22] 海静,罗和生. 几种非侵入性肝纤维化评分系统在肝硬化并食管胃底静脉曲张破裂出血组与非出血组间的比较[J]. 胃肠病学和肝病学杂志,2021,30(7):811-814+821. [23] 苏争艳,孙超,蒋肸慧,等. 三种评分系统在肝硬化食管胃底静脉曲张破裂出血患者风险评估中的应用[J]. 中华消化内镜杂志,2020,37(2):105-110. [24] Mihas A A,Sanyal A J. Recurrent variceal bleeding despite endoscopic and medical therapy[J]. Gastroenterology,2004,127(2):621-629. doi: 10.1053/j.gastro.2004.05.060 [25] 江秋维,黄理,姚朝光. 乙型肝炎肝硬化并发食管胃底静脉曲张破裂出血患者临床特征及其危险因素分析[J]. 实用肝脏病杂志,2021,24(4):532-535. doi: 10.3969/j.issn.1672-5069.2021.04.020 [26] 余维微,蔡宗宗,曾耀明,等. 3种评分系统对肝硬化胃底食管静脉曲张出血患者预后的预测价值[J]. 重庆医学,2020,49(10):1623-1626+1630. [27] 朱思奇,赵祥安,王甦. 肝硬化伴食管胃底静脉曲张出血的影响因素及3种模型对再出血的预测价值[J]. 实用临床医药杂志,2021,25(16):49-53. [28] Qi X,Su C,Ren W,et al. Association between portal vein thrombosis and risk of bleeding in liver cirrhosis:A systematic review of the literature[J]. Clin Res Hepatol Gastroenterol,2015,39(6):683-691. doi: 10.1016/j.clinre.2015.02.012 [29] 王亮. 肝硬化门静脉高压症术后门静脉血栓形成危险因素及干预措施分析[J]. 现代中西医结合杂志,2017,26(6):626-628. doi: 10.3969/j.issn.1008-8849.2017.06.020 [30] Krige J E,Kotze U K,Distiller G,et al. Predictive factors for rebleeding and death in alcoholic cirrhotic patients with acute variceal bleeding:a multivariate analysis[J]. World J Surg,2009,33(10):2127-2135. doi: 10.1007/s00268-009-0172-6 [31] Iino C,Shimoyama T,Igarashi T,et al. Usefulness of the Glasgow-Blatchford score to predict 1-week mortality in patients with esophageal variceal bleeding[J]. Eur J Gastroenterol Hepatol,2017,29(5):547-551. doi: 10.1097/MEG.0000000000000844 期刊类型引用(2)
1. 耿鹏，付强，卢钟琦，常颖，张美花，金蕴. 肝癌热消融的研究热点和趋势可视化分析. 介入放射学杂志. 2024(08): 870-875 . 
百度学术2. 陈香宏，徐静文. 综合干预联合认知行为疗法对甲状腺晚期癌症疼痛患者的影响. 临床研究. 2023(12): 111-113 . 百度学术其他类型引用(1)
-
下载:
点击查看大图
计量
- 文章访问数: 3292
- HTML全文浏览量: 1952
- PDF下载量: 32
- 被引次数: 3
