杨碧香 杨森宾 杨志伟

（1 福建省漳浦县第二医院药剂科 漳浦 363208；2 福建省厦门市仙岳医院精神科 厦门 361012；3 福建省漳浦县第二医院内儿科 漳浦 363208）

2 型糖尿病（T2DM）是最常见的糖尿病类型，约占糖尿病病例的90%。据估计，中国约有1.409 亿成年人患有糖尿病，占全球糖尿病患者的25%。糖尿病发病率的上升给个人、卫生系统带来了沉重的负担[1]。药物相关问题（DRPs）包括不合理药物选择、不良事件、剂量不足等，研究表明DRPs 可增加住院率、死亡率等[2]。T2DM 中老年人占比较高，且容易合并多种并发症，如高血压、高脂血症、慢性肾病、心脑血管疾病等，治疗期间需多种药物联合治疗，可能增加DRPs 的风险。及时发现DRPs，积极干预可以降低药物治疗风险，改善患者治疗效果。谢龙等[3]研究发现，老年T2DM 患者中DRPs 较为突出，临床药师及时发现、干预、纠正DRPs 可确保药物安全合理。目前针对T2DM 患者DRPs 研究较多，但均未构建T2DM 患者DRPs 的风险预测模型。本研究分析治疗老年T2DM 患者DRPs 现状，并通过分析其影响因素构建DRPs 风险预测模型。现报道如下：

1 资料与方法

1.1 一般资料 采用便利抽样法分析2021 年2 月至2022 年8 月医院治疗的老年T2DM 患者132 例，年龄（72.11±6.96）岁，男69 例、女63 例。T2DM 诊断标准：采用1999 年世界卫生组织诊断标准，空腹血糖（FPG）≥7.0 mmol/L，或口服葡萄糖耐量试验（OGTT）餐后2 h 血糖（2 h PG）≥11.1 mmol/L，或已被明确诊断为糖尿病[4]。排除标准：年龄＜60 岁、恶性肿瘤、精神系统疾病以及无法自主完成问卷调查的患者。

1.2 研究方法

1.2.1 药师参与药学监护内容 药师根据欧洲医药保健网分类系统（PCNE）查找患者用药过程中DRPs，识别DRPs 后，针对相关问题与临床医生进行沟通，协助解决DRPs，并在临床科室开展合理用药培训。

1.2.2 DRPs 的识别、分类、评价 参考《医院处方点评管理规范（试行）》[5]、《处方管理办法》[6]、药品说明书、临床诊疗指南等判断DRPs，记录患者DRPs 原因、采取的措施、结果等信息。收集的所有DRPs 根据PCNE 系统（9.0 版）分类[7]。发生DRPs 时，由2 名获得临床药师培训资格证书且有3 年以上工作经验的药师单独对DRPs 进行识别，当两者结果不同时，由第三位药师进行最终判断。

1.2.3 调查资料 包含3 种调查问卷：（1）抑郁自评量表（SDS）[8]：包含20 个条目，其中10 个条目为反向设计，采用4 级评分，分别赋值1～4 分，累积得分乘以1.25 后取整数，分值越高代表患者抑郁程度越深。（2）焦虑自评量表（SAS）[9]：共20 个条目，采用4级评分，分别赋值1～4 分，总分为20～80 分，累积得分乘以1.25 后取整数，分值越高代表患者焦虑程度越深。（3）用药依从性量表（MMAS）[10]：包含8 个条目，其中条目1～4，6～7 答案设计成是否，分别计分0、1 分，条目5 为反向设计，条目8 采用5 级评分，总分越高代表依从性越好。

1.3 统计学方法 采用SPSS18.0 构建数据库后进行统计分析，分类变量采用%表示，两组间率的比较采用χ2检验，定量数据采用Kolmogorov-Smirnov进行正态分布检验，非正态分布的连续变量采用M（25%，75%）表示，两组间差异采用Mann-WhitneyU检验，正态分布的连续变量采用（±s）表示，两组间差异采用独立样本t检验。连续变量与等级变量间采用Spearman 相关性分析。单因素、多因素分析筛选和确认T2DM 患者DRPs 影响因素，基于二元Logistic 回归分析模型构建DRPs 风险预测模型，受试者工作特征（ROC） 曲线判断模型预测效能，Hosmer-Lemeshow（H-L）检验分析模型的校准度。P＜0.05 为差异有统计学意义。

2 结果

2.1 研究对象基本情况 132 例老年T2DM 患者，年龄（72.11±6.96）岁，男69 例、女63 例，平均体质量指数（BMI）（24.96±2.79）kg/m2，平均用药品类总数（6.73±0.56）类。老年T2DM 患者并发症包括：高血压86 例（占比65.15%），慢性肾损伤52 例（占比39.39%），心脑血管疾病31 例（占比23.48%），血脂异常32 例（占比24.24%）。

2.2 老年T2DM 患者DRPs 分类与原因 采用PCNE 系统对数据进行分析，132 例老年T2DM 患者中，发生DRPs 54 例，占比40.91%，共发生DRPs 102 例次，每个患者平均约0.77 例次。与疗效相关61 例次，占比59.80%；与治疗安全相关18 例次，占比17.65%。DRPs 发生原因142 个，其中药物选择47 例次，占比33.10%；剂量选择62 例次，占比43.66%。见表1。

表1 老年T2DM 患者DRPs 分类与原因（%）

2.3 DRPs 干预方案与接受 确认DRPs 后，药师对医生、患者、药物实施干预，共180 例次，针对临床医生干预86 例次（占比47.78%），主要为剂量、用药频次调整、药物的选择等；针对患者为25 例次（占比13.89%），主要为服药时间、服药间隔以及服药方法；针对药物调整有64 例次（占比35.56%），主要为使用方法、药物剂量的调整；针对其他为5 例次（占比2.78%）。180 例次干预措施中，接受干预170 例次，占比94.44%；不接收干预9 例次，占比5.00%；提出干预方案，但无法获取是否接收的有1 例次，占比0.56%。干预期间，DRPs 全部解决的有82 例次，占比80.39%；部分解决的有12 例次，占比11.76%；问题没有解决的有8 例次，占比7.84%，主要原因为医生不接受药师的建议。

2.4 DRPs 发生单因素分析 单因素分析显示DRPs 患者年龄、并发症数量、用药种类、SDS 评分均高于无DRPs 患者，用药依从性低于无DRPs 患者，差异有统计学意义（P＜0.05）；两组间其余资料比较，差异无统计学意义（P＞0.05）。见表2。

表2 DRPs 发生单因素分析（±s）

表2 DRPs 发生单因素分析（±s）

临床资料 DRPs 患者（n=54） 无DRPs 患者（n=78） t/χ2 P年龄（岁）性别[例（%）]男女2.736 0.966 0.007 0.326居住情况[例（%）]独立居住非独立居住1.444 0.229并发症数量（个）手术史[例（%）]否是2.332 1.274 0.025 0.259用药种类（个）用药依从性（分）SDS 评分（分）SAS 评分（分）婚姻状况[例（%）]离异、未婚、丧偶已婚74.18±7.56 31（57.41）23（42.59）16（29.63）38（70.37）3（1～5）36（66.67）18（33.33）7.07±0.74 4.26±0.96 58.36±7.98 56.83±7.63 16（29.63）38（70.37）70.69±6.95 38（48.72）40（51.28）16（20.51）62（79.49）2（0～4）59（75.64）19（24.36）6.50±0.52 4.63±1.02 55.17±7.33 54.25±8.02 28（35.90）50（64.10）5.220 2.099 2.370 1.853 0.564 0.000 0.038 0.019 0.066 0.453

2.5 影响因素与DRPs 相关性分析 年龄、并发症数量、用药种类、SDS 评分与DRPs 呈正相关，相关系数（r）值分别为0.315、0.374、0.296、0.282，用药依从性与DRPs 呈负相关，r值为-0.302（均P＜0.05）。2.6 DRPs 多因素分析 将单因素分析中有差异的指标纳入多因素分析，以是否发生DRPs 为因变量纳入二元Logistic 回归分析。年龄、并发症数量、用药种类、SDS 评分均可能为T2DM 患者DRPs 的风险因素，用药依从性则可能为保护性因素，OR 值分别为1.444、2.880、2.875、1.234（P＜0.05）。见表3。

表3 DRPs 的二元Logistic 回归分析

2.7 DRPs 风险预测模型的构建与验证 根据二元Logistic 回归模型构建老年T2DM 患者DRPs 风险预测模型，P=1/{1+EXP[-（-16.009+0.367×年龄+1.331×并发症数量+1.056×用药种类-0.529×用药依从性+0.210×SDS 评分）]}。将临床资料代入预测模型生成风险概率，以是否发生DRPs 作为因变量绘制ROC，模型预测曲线下面积（AUC）为0.786（0.575～0.896），说明模型有较高的预测价值，与随机面积0.500 比较差异有统计学意义（Z= 3.750，P=0.000），H-L 检验χ2=1.525，P=0.363，说明模型有较好的校准度。当切割点为0.512 时，模型预测敏感度为75.93%，特异性为74.30%，准确率为75.00%。见图1。

图1 模型预测ROC 曲线分析

3 讨论

根据我国第七次人口普查数据，2020 年我国老年（≥60 岁）人口占全国总人口的18.7%，其中约30%（7 813 万）的老年人患有糖尿病，且95%以上为T2DM[11]。老年T2DM 患者可以伴有多种并发症，临床治疗较为复杂，常采用多种药物联合治疗，容易发生DRPs。DRPs 不仅影响治疗效果，同时可引起复发率、入院率、死亡率和医疗支出明显增高。因此探寻老年T2DM 患者DRPs 的风险因素，并构建风险预测模型，针对高风险人群及时进行干预，对于改善治疗效果、降低复发率有一定价值。

张莎等[12]研究发现，社区老年慢性病患者平均DRPs 为0.88 例次，高于本研究0.77 例次数据，差异产生的原因可能与研究对象疾病类别有关，张莎等[12]的研究中纳入了多种基础病的老年患者，病情更为复杂。在DRPs 发生原因中，药物选择和剂量选择是较为常见的原因。《中国2 型糖尿病防治指南》[11]要求对T2DM 患者应选择降糖、降压、降脂等药物，以预防心脑血管疾病和微血管病变发生。研究对象常用药物阿司匹林能影响其他降糖、降脂药物效果，本研究中大部分患者均选择多种降糖、降脂药物，不同药物之间同样会发生相互作用，影响治疗效果，因此，临床药师需加强介入，及时纠正。DRPs 与患者用药密切相关，Pit 等[13]研究发现，DRPs 的发生与用药审核密切相关，药师积极干预可提高临床治疗效果。本研究中，药师与临床医师、患者直接沟通，提供合适的临床用药方案，并对患者进行科普教育。其次，药师在通过审方干预系统自定义规则，系统自动对不合理用药处方进行提示，及时反馈给临床医师，可有效降低DRPs 发生。临床医师干预接受度为94.44%，说明通过前置审核和及时干预可有效督促临床医生更改医嘱，提高临床合理用药。

DRPs 的快速识别和及时干预是药物管理的核心问题，因此如何快速、准确筛选潜在高危因素，针对包含高危因素的人群采取干预措施是降低DRPs风险的关键。DRPs 影响因素研究主要集中于年龄、药物数量、患者治疗依从度等[14]。张海霞等[15]研究发现，年龄越大、并发症越多患者DRPs 风险越大，与本研究结果相符，因此提示对于病情较重、并发症较多、年龄较长的T2DM 患者，临床医生应该关注不同药物用法、用量、给药途径、配伍禁忌和药物相互作用。其次，药师可协助临床医生对处方进行精简，优化服药数量。用药依从性作为DRPs 影响因素的报道较多，彭杨等[16]研究发现，用药依从性低是DRPs的风险因素。临床医护人员应该根据MMAS 量表内容评估患者依从性，针对性提供用药科普教育，帮助患者更好地了解遵照医嘱服药的必要性，提高用药依从度。以往研究发现，老年T2DM 患者因长期受疾病折磨，再加上年龄较大，焦虑、抑郁情绪明显高于正常人群[17]，而不良的心理健康状况是影响治疗依从性的重要影响因素。本研究发现SDS 评分是影响患者DRPs 风险因素之一，为类似研究中首次报道。原因可能与抑郁患者对治疗信心欠缺，从而导致用药依从性降低，进而影响DRPs 的发生有关。因此对于SDS 评分较高的患者，应该及时提供心理干预，缓解患者焦虑、抑郁、冷漠等负性情绪，提高治疗信心和依从性，降低DRPs 风险。本研究结果发现，年龄、并发症数量、用药种类、SDS 评分均可能为T2DM 患者发生DRPs 的风险因素，用药依从性则可能为保护性因素。

根据以上因素构建了老年T2DM 患者DRPs 风险预测模型，经过验证表明预测模型具有较好的区分度和校准度，适合临床应用。临床药师作为药学方面专家，以及临床治疗团队重要的成员，对于DRPs高风险人群，应该主动采取干预措施，优化用药处方，减少药物数量，同时深入与患者和家属进行沟通，加大安全用药宣传力度，提高治疗依从性。其次，针对合并抑郁的患者，临床、护理、家属在生活上、工作上应该给予患者更多的关注，提升患者正念水平和治疗信心，对降低DRPs 风险可能有一定作用。

综上所述，DRPs 在老年T2DM 患者中较为常见，影响因素较多，根据影响因素构建的风险预测模型有较好的预测效能，可为临床早期识别DRPs 人群提供依据。临床药师作为治疗组成员，应该监测药物使用的全过程，优化治疗方案，有效预防DRPs 发生，提高临床用药安全。