《Frontiers in Public Health》:The trajectory and influencing factors of health-promoting behavior in patients after aortic dissection surgery: a longitudinal study
编辑推荐:
背景:健康促进行为对于改善主动脉夹层(AD)术后患者的健康结局指标至关重要。然而,关于中国AD患者健康促进行为轨迹的研究有限。目的:探讨AD术后患者健康促进行为的轨迹并识别影响因素。方法:这项前瞻性纵向研究纳入了2024年8月至12月在厦门医院心血管外科接受A
背景:健康促进行为对于改善主动脉夹层(AD)术后患者的健康结局指标至关重要。然而,关于中国AD患者健康促进行为轨迹的研究有限。目的:探讨AD术后患者健康促进行为的轨迹并识别影响因素。方法:这项前瞻性纵向研究纳入了2024年8月至12月在厦门医院心血管外科接受AD手术的患者。在出院时(T0)、术后1个月(T1)、3个月(T2)和6个月(T3)对AD患者进行评估。采用健康促进行为量表评估健康促进行为。采用增长混合模型(GMM)分析识别四个观察期内异质性的健康促进行为亚组。采用单因素和Logistic回归分析识别影响健康促进行为分类的因素和独立危险因素。结果:研究人员在AD患者中识别出三种健康促进行为轨迹:低稳定组(33.80%)、中波动组(43.20%)和高增长组(23%)。与低稳定组相比,Logistic回归分析表明,在中波动组中,年龄(OR=0.950,95%CI:0.925–0.975,p<0.001)和有高血压病史(OR=1.941,95%CI:1.049–3.590,p=0.035)是显著影响因素。高增长组与低稳定组的比较Logistic回归分析结果显示,年龄(OR=0.923,95%CI:0.892–0.954,p<0.001)、教育水平(OR=2.507,95%CI:1.503–4.182,p<0.001)和有高血压病史(OR=6.613,95%CI:3.056–14.313,p<0.001)均为显著影响因素。结论:研究人员识别出三种健康促进行为轨迹,强调健康促进行为发展存在显著异质性。了解这些发展轨迹的特征对于认识不同健康促进行为亚组的动态变化以及指导有效干预至关重要。
主动脉夹层(aortic dissection,AD)是一种因主动脉内膜在局部血流速度和压力冲击下撕裂,导致血液进入管壁中层形成真假腔的危重疾病,可引发肾衰竭、脑卒中、主动脉瓣损伤等并发症,严重威胁患者生命。全球AD发病率约为2.5~17.6/10万人年,随着外科技术进步,术后生存率逐年提高,但患者仍面临高血压、心血管事件等高风险,生活质量显著下降,个人与社会经济负担沉重。研究表明,健康促进行为(包括营养管理、运动、血压监测、戒烟、用药依从性等)可改善心血管疾病患者的心功能、降低复发风险,但针对中国AD术后患者健康促进行为的纵向研究匮乏,其轨迹特征及影响因素尚不明确。为此,研究人员开展了一项前瞻性纵向研究,旨在揭示AD术后患者健康促进行为的变化轨迹,并识别关键影响因素,为制定个性化行为干预提供依据。该论文发表于《Frontiers in Public Health》。
研究人员采用的主要关键技术方法如下:本研究采用前瞻性纵向设计,从厦门大学附属第一医院心血管外科连续招募符合标准的AD术后患者,共纳入278例受试者。在出院时(T0)、术后1个月(T1)、3个月(T2)和6个月(T3)四个时间点进行随访,使用健康促进行为量表(25条目,5维度:营养、运动、血压管理、疾病知识、行为动机)评估健康促进行为水平。采用增长混合模型(GMM)识别异质性轨迹亚组,模型拟合指标包括AIC、BIC、aBIC、熵值和BLRT,并通过敏感性分析(方差自由模型、随机样本分割、Bootstrap重抽样)验证稳定性。采用单因素分析(ANOVA、卡方检验)和多分类Logistic回归分析识别影响轨迹分类的因素(年龄、教育水平、居住地、高血压病史等)。
**研究对象纳入与数据收集**
研究人员从358名符合标准的参与者中,经6个月随访(4个时间点)后,最终纳入278例完成全部随访的AD术后患者。样本流失情况见流程图(图1)。人口学特征显示:56.5%患者接受过初中及以上教育,89.6%已婚,57.9%有高血压病史,52.9%为B型AD。
**主动脉夹层术后患者健康促进行为的潜在类别分析**
通过GMM模型,研究人员识别出三种健康促进行为轨迹亚组:低稳定组(33.8%),基线水平低且斜率负向显著,代表持续性行为依从性差;中波动组(43.2%),基线中等且波动模式,反映恢复期的不稳定参与;高增长组(23.0%),初始水平低但显著正向增长,展现康复过程中的行为改善。模型拟合指标支持3类模型(AIC=38,158.41,BIC=38,223.71,aBIC=38,166.63,熵=0.985,LMR和BLRT均p<0.001),且类别概率均>5%。敏感性分析(方差自由模型、随机样本分割、Bootstrap重抽样)进一步验证了三种轨迹的稳定性和区分度。
**敏感性分析**
通过三种方法验证模型稳健性:采用方差自由模型进行1~4类潜在类别分析,结果显示3类模型仍为最优,轨迹模式与原始分析高度一致;随机将总样本分为两个子样本(各139例)独立分析,均支持3类模型;5,000次Bootstrap重抽样显示各类别均值置信区间合理且无显著重叠,确认三种轨迹的区分度。
**健康促进行为的单因素分析**
单因素分析表明,年龄、教育水平、居住地、高血压病史在三组间分布存在显著差异(p<0.05)。低稳定组患者年龄较大(63.53±10.87岁),农村居民比例较高(14.9%),高血压病史比例最高(73.4%);高增长组患者年龄较轻(53.06±12.20岁),教育水平较高(高中及以上29.7%),高血压病史比例最低(31.3%)。
**健康促进行为的Logistic回归分析**
以低稳定组为参照,多分类Logistic回归分析显示:中波动组中,年龄(OR=0.950,95%CI:0.925–0.975,p<0.001)和有高血压病史(OR=1.941,95%CI:1.049–3.590,p=0.035)是显著影响因素;高增长组中,年龄(OR=0.923,95%CI:0.892–0.954,p<0.001)、教育水平(OR=2.507,95%CI:1.503–4.182,p<0.001)和有高血压病史(OR=6.613,95%CI:3.056–14.313,p<0.001)均为显著影响因素。即年龄越小、教育水平越高、有高血压病史的患者更可能属于高增长组。
**讨论**
本研究识别出三种AD术后健康促进行为轨迹,反映了人群异质性,与既往研究一致。低稳定组(33.8%)行为评分低于40%,提示高心血管风险;高增长组(23.0%)接近“最佳心血管健康”阈值,预后良好。这些轨迹映射了Prochaska行为改变阶段模型:低稳定组对应前沉思/沉思停滞,中波动组对应行动-维持波动,高增长组对应成功维持。年龄是影响中波动组和高增长组的共同因素,可能与老年患者身体功能下降、动脉壁结构改变导致适应性和意愿降低有关。高血压病史使患者更可能进入中波动组(OR=1.941)和高增长组(OR=6.613),可能与长期患病带来的健康风险意识增强、频繁医疗互动获得更多行为指导、以及家庭社会支持有关。高教育水平患者更易进入高增长组(OR=2.507),可能源于更高的健康素养和疾病管理能力,以及更好的社会经济地位带来的医疗资源可及性。本研究存在局限性:采用便利抽样和单中心设计,结果推广性受限;数据来自自我报告,可能存在报告偏倚;样本量较小,可能产生选择偏倚;未评估心理社会变量(如疾病感知、焦虑、抑郁、社会支持),无法排除混杂效应。未来研究应纳入更多心理行为因素,延长随访时间,以全面评估长期健康促进行为变化。
**结论**
本研究识别出三种潜在类别,即低稳定组、中波动组和高增长组,表明AD术后患者健康促进行为变化存在差异。年龄、教育水平和高血压病史是影响患者健康促进行为的显著因素。本研究结果填补了当前研究空白,为优化AD术后患者健康行为管理提供了有价值的见解。未来研究应增加更多随访时间点和延长随访周期,以全面评估患者长期健康促进行为变化,从而为临床实践提供更多指导。