本文是一篇护理毕业论文，本研究为睡眠障碍影响因素的精准识别提供了参考依据，有利于推动医疗大数据与患者睡眠障碍管理相融合，进一步提高临床护理质量，为助力智慧护理服务。
一、引言
1.研究背景
1.1正常的睡眠结构
正常人群的睡眠结构包括两种型态：快速眼动睡眠（Rapid Eye Movement sleep,REM sleep）和非快速眼动睡眠（Non-Rapid Eye Movement sleep,NREM sleep）。NREM和REM在睡眠期间大约每90-100分钟交替或循环一次[1]。NREM睡眠由具有不同波形的脑电图（Electroencephalogram，EEG）模式定义的，如睡眠纺锤波、K复合体和慢波，与肌肉紧张度低和心理活动少相关；REM睡眠不是由阶段组成的，它是由脑电图的激活、肌肉紧张和REM的发作来定义的，此时肌肉失张力，存在生动的梦境，NREM睡眠和REM睡眠交替是睡眠的一个基本特征[2]。
在睡眠开始之前，通常有一段清醒期，称为睡眠潜伏期，它代表入睡所需的时间。睡眠发作通常发生在试图入睡后的20分钟内。睡眠阶段从NREM睡眠开始，NREM睡眠分为三个阶段（阶段1、2和3阶段），结束于REM睡眠。随着每一个更深的阶段，觉醒的阈值就会加深。75%-80%的睡眠发作由NREM睡眠组成，其余20%-25%为REM睡眠[3]。
对于健康的成年人来说，睡眠周期开始于NREM第1阶段(N1)，第一回合通常持续1-7分钟，最终占睡眠的2%-5%。N1阶段睡眠是一种过渡状态，此时个体可能仍然会感知到声音，而睡眠过程可能会被最轻微的噪音打断。当人们在N1睡眠中醒来时，他们可能没有意识到自己在睡觉，而且往往缺乏情境意识，这是由于在NREM睡眠开始时形成的短期记忆受到了抑制。N1阶段之后是第2阶段(N2)，第一回合大约持续10-25分钟；总的来说，N2阶段的睡眠占健康睡眠的近40%和60%。在这个阶段，睡眠要深一些，因此觉醒需要比第一阶段睡眠更强烈的刺激。随着N2阶段的进展，高压慢波活动出现，最终成为第三阶段（N3）睡眠，约占健康睡眠的5%-15%。N3通常被称为慢波睡眠（Slow Wave Sleep,SWS）或深度睡眠[4]。
2.重症监护室患者睡眠障碍的影响因素
2.1环境因素
2.1.1噪音
有研究表明，引起患者睡眠障碍的重要因素之一是噪音，占造成患者觉醒的影响因素总量的11%-24%[27]。包括医疗仪器产生的噪音，如呼吸机、监护仪和其他仪器的报警声[28]；工作人员造成的声音，如交谈、病房内走动、接听电话等产生的噪音；病房内其他患者的呻吟声、叫喊声也会干扰患者睡眠[29]。
2.1.2光线
光线是造成重症监护室患者睡眠障碍的另一个主要环境因素，照明强度和昼夜节律变化会影响患者的睡眠。夜间光照会抑制褪黑素分泌，从而导致睡眠中断[30]，即使是很少量的光照也会抑制褪黑素的分泌。零点至凌晨5:00，护士应尽量减少光照刺激以保护患者免受干扰，保证患者在ICU有很好的睡眠质量[31]。
2.2治疗因素
2.2.1夜间治疗
医生和护士在夜间的治疗活动也是引起ICU患者发生睡眠障碍的因素[32]。一项研究显示[33]，约7%的护士照护工作会引起ICU患者夜间苏醒。Le[34]等对此也作出研究，他们的研究发现67%的夜间护理活动会造成患者睡眠障碍。造成患者睡眠受到干扰的因素包含和患者接触较多的护理工作，如擦洗、伤口护理、呼吸治疗、肌肉注射等。
二、研究对象与方法
2.研究对象
2.1研究样本
本研究选取十堰市某三级甲等综合医院CCU中2020年11月—2021年8月收治的老年患者作为研究对象。
2.2样本的选择
2.2.1纳入标准
（1）年龄≥60岁患者；（2）有明确诊断并入住CCU24小时及以上患者；（3）意识清醒（GCS评分>14分）患者；（4）24小时以内未使用镇静药物患者；（5）知情同意、自愿参与本研究患者。
2.2.2排除标准
（1）无法理解量表条目内容患者；（2）听力、语言、视觉障碍患者；（3）保护性隔离患者。
2.2.3样本量的确定
横断面调查研究的样本量确定受4个因素的影响：①患病率，包括所调查疾病的患病率等，患病率越低，需要的样本量越大；②容许误差（δ），δ要求越小，需要的样本量越大，一般情况下，误差允许取10%；③检验水准(α)，α为第一类误差的概率，一般取0.05或0.01。α要求越小，需要的样本量越大；④变异程度，即调查个体之间的差别，标准差(s)越大，则需要的样本量越大[42]。
3.研究工具
3.1一般资料调查表
通过阅读相关文献及咨询相关领域专家后设计了CCU老年患者睡眠障碍一般资料调查表，包含两个部分：
1.人口社会学资料：性别、年龄、婚姻状况（已婚、未婚、离异、丧偶）、文化程度（文盲、小学、初中、高中或中专、大专及以上）、医保类型（农村合作医疗保险、城镇居民医保、职工医保）、居住情况（独居、与配偶、与子女、其他）等。
2.临床资料：是否行手术、营养风险筛查2002评分、呼吸困难分级、心功能分级（纽约心脏病协会，NYHA）、日常生活能力(Activities of daily living，ADL)、调查前一晚夜间有无侵入性操作（是/否）等。
3.2中文版理查兹－坎贝尔睡眠量表
CCU老年患者的睡眠质量现况使用中文版理查兹－坎贝尔睡眠量表（Richards-Campbell Sleep Questionnaire,RCSQ）进行调查评估。该量表由美国学者Richards等[45]于2000年研制，是用于评估重症监护室患者睡眠的特异性测评工具。RCSQ与“金标准”多导睡眠描记法（Polysomnography，PSG）的相关性是0.59，RCSQ总分解释了PSG测量睡眠效率指数的33%。该量表共由6个条目组成，前5个条目用于评估整晚睡眠深度、入睡所需时长、夜间觉醒次数、醒来后再入睡情况、睡眠质量等；第6个条目主要用于测评被调查者对噪音的感受。每个条目均使用0-100分（1mm=1分）视觉模拟评分尺，量表得分为5个条目总和的平均分，分值越高表示睡眠质量越好。已有多个研究[46-48]采用RCSQ来评估重症患者睡眠质量。RCSQ被翻译为多个语言版本，在葡萄牙语[49]、阿拉伯语[50]、德语[51]等语言环境中进行临床评价，具有良好的信效度，适合对使用这些语言的重症患者进行睡眠评估。国内学者杨慧[52]、陈丽霞[53]和黄丽等[54]引进和翻译RCSQ，并进行信效度评价，其Cronbach’α系数为0.874-0.95，三位学者的研究一致认为中文版RCSQ适用于中国文化背景下重症监护室患者的睡眠质量评估。学者Naik[55]将RCSQ总分≥50分用来定义睡眠良好（敏感度88.24%，特异度86.67%，受试者工作特征曲线下的面积=0.92，95%置信区间（Confidence interval,CI）），RCSQ总分<50分的患者为睡眠障碍。本研究采用此界值作为评估患者睡眠障碍的标准。既往研究多使用匹兹堡睡眠量表测评人群的睡眠状况，缺乏针对重症患者的特异性，本研究采用针对重症患者的特异性测评工具RCSQ对CCU老年患者睡眠进行评估。
三、结果............................23
1.研究对象的基本信息及临床相关资料....................23
2.不同特征CCU老年患者睡眠障碍现状....................26
3.CCU老年患者睡眠障碍影响因素的多因素分析.............29
四、讨论.......................37
1.CCU老年患者睡眠障碍现状.............................37
2.CCU老年患者睡眠障碍的影响因素分析...................37
五、结论与展望.....................42
1.结论................................42
2.研究的意义及创新性........................42
四、讨论
1.CCU老年患者睡眠障碍现状
有研究[71]表明，心血管疾病是ICU成年患者睡眠障碍的独立危险因素。本研究显示，CCU老年患者睡眠障碍的患病率为58.6%，高于赖新燕等[25]人对CCU患者的调查研究。其原因可能是，赖新燕等人是对CCU冠脉介入治疗术后患者的睡眠情况进行调查，研究对象所患疾病主要是心肌梗塞，随着冠脉介入治疗手术的完成，患者心肌缺血缺氧的症状得到改善，病情得到缓解，睡眠随着心肌缺血缺氧程度的降低也有一定改善。而本研究中的研究对象既有术后患者，也有心力衰竭、心律失常等非手术的患者，受CCU环境、疾病类型、生理和心理等多种因素的影响，CCU老年患者睡眠障碍的患病率较高。
本研究中，logistic回归和决策树模型都显示疼痛是睡眠障碍的独立危险因素。疼痛数字越高的CCU老年患者越容易发生睡眠障碍，这与国内学者冯敏丝等[72]的研究结果一致。logistic回归模型的结果表明，疼痛评分每增加1分，CCU老年患者发生睡眠障碍的风险增加2.033倍。有研究[73]显示睡眠障碍经常与疼痛等症状同时出现。另一项研究[74]表明，老年体弱者慢性疼痛会引起睡眠障碍。在李书超等的研究中，则发现慢性心因性疼痛患者的疼痛程度越高，患者的睡眠障碍就越严重[75]。因此，临床医护人员应该高度重视疼痛对患者睡眠质量的不良影响，CCU护理人员在开展夜间护理工作时，应积极评估老年患者的疼痛情况，采取有效措施减轻患者的疼痛负担，必要时给予止痛药物等措施，以提高老年患者睡眠质量。
五、结论与展望
1.结论
本研究通过横断面调查研究得出CCU老年患者的睡眠障碍患病率为58.6%。通过logistic回归模型和决策树模型分析了CCU老年患者睡眠障碍的独立危险因素，分别为疼痛、噪音、病情危重程度、患者心理状况、夜间操作、女性。logistic回归预测模型的敏感度和特异度分别为87.7%和89.9%，决策树模型的敏感度为90.87%，特异度为80.90%，两个模型的预测效能相同（ROC曲线的AUC比较z=1.204，p=0.2285）。两个模型ROC曲线的AUC均＞0.9，两者构建的CCU老年患者睡眠障碍风险预测模型具有很好的预测效能。
睡眠障碍在老年危重住院患者中普遍存在，国内外学者研制了多种筛查患者睡眠障碍的工具，但是大多数工具只能评估老年住院患者的睡眠障碍现状，却不能筛查老年住院患者睡眠障碍的影响因素。本研究采用logistic回归和决策树构建的风险预测模型能快速地筛查出CCU老年住院患者睡眠障碍的影响因素，且简单易于操作，可以简化护士临床评估的工作负担，提高护士临床评估的客观性和准确率，提高护理质量。
参考文献（略）