慢性病共病患者比例逐年上升，遵医嘱服药被认为是慢性病管理的有效措施。目前，慢性病共病患者的服药依从性仍有待提高，明确慢性病共病患者服药不依从的原因及影响因素对于慢性病的防控至关重要。
对慢性病共病患者服药依从性进行分类，分析慢性病共病患者服药依从性类别的影响因素。
于2021年7—9月，采用便利抽样法，在河南省2家综合性三级甲等医院选取住院患者267例，采用中文版服药信念特异性问卷（BMQ-Specific）、中文版8条目Morisky服药依从性量表（MMAS-8）、用药知识问卷等对患者进行调查，应用潜在类别分析对慢性病共病患者服药依从性进行分类。比较不同服药依从性类别慢性病共病患者在人口学特征、用药情况、用药知识和服药信念等方面的差异，采用多元Logistic回归分析慢性病共病患者服药依从性类别的影响因素。
潜在类别分析结果显示，慢性病共病患者服药依从性可分为3个潜在类别：主观服药依从性不佳组（潜在类别概率为18.0%）、整体服药依从性较差组（潜在类别概率为34.4%）和整体服药依从性较优组（潜在类别概率为47.6%）；不同服药依从性类别群体受教育程度、患病后工作情况、居住情况、家庭人均月收入、收入来源、获药师指导者占比、服药种数、服药频率、服药年限、中文版BMQ-Specific得分、用药知识问卷得分比较，差异有统计学意义（P<0.05）。多元Logistic回归结果显示：相对于主观服药依从性不佳组，获药师指导者、中文版BMQ-Specific得分较高者、用药知识问卷得分较高者更易入整体服药依从性较优组，因病退休、收入来源为子女赡养费者更不易入整体服药依从性较优组（P<0.05）；相对于整体服药依从性较差组，已退休者、服药频率为1次/d者、获药师指导者、中文版BMQ-Specific得分较高者、用药知识问卷得分较高者更易入整体服药依从性较优组（P<0.05）。
慢性病共病患者服药依从性存在3个潜在类别，因病退休、收入来源为子女赡养费者更有可能出现服药依从性不佳的情况，应多关注其服药依从性情况；低服药频率、获药师指导，以及服药知识、信念水平高可预测慢性病共病患者整体服药依从性较优。
本刊2022年版权归中国全科医学杂志社所有
未经编辑部许可，不得任意转载和摘编
本刊所发表作品仅为作者观点，并不代表编委会和编辑部意见
如有印装质量问题请向本刊发行部调换
随着社会经济的发展和人们生活方式的改变，患有多种慢性病的群体所占比例逐年攀升，世界卫生组织（WHO）于2009年将患有两种或两种以上慢性病或复发性疾病定义为共病（multiple chronic conditions，MCCs）[1]。《中国居民营养与慢性病状况报告》指出，随着我国城市化、工业化、人口老龄化等进程不断加速，以糖尿病、心脑血管疾病、癌症及慢性呼吸系统疾病等为代表的慢性病的患病率逐年上升，慢性病已成为威胁我国居民健康的"头号公敌"[2]。我国≥50岁中老年人慢性病共病发生率为61.9%[3]，慢性病共病现象在中老年人群中普遍存在。诸多因素会影响慢性病的控制效果。遵医嘱服药被认为是慢性病管理的有效措施[4]，坚持服药与改善慢性病患者的临床结局和降低慢性病死亡率有关[5]，药物不依从会导致患者出现更差的健康结果和医疗保健成本的增加[6]。然而，慢性病共病患者的服药依从性现状不甚理想[7,8]。一项有关慢性病共病患者服药依从性现状的系统综述和Meta分析结果显示，服药依从性差的慢性病共病患者的比例高达43%[9]。目前，针对服药依从性的调查研究多聚焦特定人群，较少考虑不同个体间的异质性，这也可能是服药依从性干预效果有限的原因之一[10]。
潜在类别分析（latent class analysis，LCA）是以个体为中心对患者进行分类的研究方法，根据潜在类别模型（latent class model，LCM）及个体外显行为特征判断个体的潜在特征分类及各个类别的占比，从个体化角度对类别间的差异进行最大化区分[11]，更能揭示群体内不同异质个体之间的差异[12]。BLALOCK等[13]通过对109例不坚持服药的高脂血症患者进行LCA，发现其服药依从性低的原因可分为四类：遗忘、担心副作用、突发事件扰乱和多种原因。影响患者服药不依从行为的因素种类繁多，根据动机-行为（COM-B）模型大致可归为三类：患者坚持执行药物治疗方案的能力（如记忆力、用药知识等）、接受药物治疗方案的机会（如药物成本、医保参保类型、药师指导等）及坚持动机（服药信念）。提高患者服药依从性时，应针对不同的原因采取不同的干预策略，而国内有关服药依从性类别划分的研究较少，干预措施的实施常采取"一刀切"的方式，如向所有患者提供服药提醒、药物知识宣教服务等，而非根据患者服药不依从的具体原因对干预措施进行调整。因此，本研究通过LCA对慢性病共病患者服药依从性进行分类，进一步明确我国慢性病共病患者服药依从性的类别及其影响因素，旨在为进一步制定个性化干预方案提供参考，优化慢性病共病患者的疾病管理。
2021年6—9月，采取便利抽样法，选取于河南省2家综合性三级甲等医院住院治疗的慢性病共病患者为研究对象。纳入标准：（1）经二级及以上医院确诊至少患有2种慢性病〔包括高血压、糖尿病、冠心病、脑卒中、慢性阻塞性肺疾病（COPD）、白内障、关节炎、哮喘、高脂血症、慢性肾脏病、慢性乙型肝炎、慢性胃炎等〕；（2）服药时间>3个月；（3）服用的药物由患者自行保管；（4）意识清楚，能与研究人员有效地沟通；（5）对本研究知情同意，并自愿参与本研究。排除标准：既往有痴呆或精神疾病史者。
本研究拟采用多元Logistic回归分析慢性病共病患者服药依从性类别的影响因素。基于文献回顾，初步拟定19个自变量。假设样本量至少应为自变量数目的5~10倍，同时考虑20%的无效问卷，确定最终所需的样本量为114~228例。本研究通过郑州大学伦理委员会的审批（审批号：2018-ZZJH-547）。
由研究者自行设计，调查内容包括患者的年龄、性别、受教育程度、患病后工作情况、婚姻状况、居住情况、主要照顾者、家庭人均月收入、收入来源、医保参保类型、参加商业医疗保险情况等人口学资料，以及自付药费情况、获药师指导情况、服药种数、用药剂型、服药频率、服药年限等用药相关情况。
BMQ-Specific由HORNE等[14]编制，中文版由吕扬等[15]翻译修订。中文版BMQ-Specific共10个条目，由服药必要信念（5个条目）和服药顾虑信念（5个条目）两个维度构成。每个条目均采用Likert 5级计分法，从"非常不同意~非常同意"分别计为1~5分，各维度的得分范围为5~25分。服药信念总分=必要信念得分-顾虑信念得分，得分范围为-20~20分，得分越高，说明研究对象的服药信念越强。中文版BMQ-Specific的内容效度为0.96，两个维度的Cronbach's α系数分别为0.81和0.71，具有良好的信效度。
MMAS-8由MORISKY等[16]编制，中文版由司在霞等[17]翻译修订。中文版MMAS-8共8个条目。条目1：您是否有时忘记服药？条目2：在过去的2周内，是否有一天或几天您忘记服药？条目3：治疗期间，当您觉得症状加重或出现其他症状时，您是否未告知医生而自行减少药量或停止服药？条目4：当您外出旅行或长时间离家时，您是否有时忘记随身携带药物？条目5：昨天您服药了吗？条目6：当您觉得自己的疾病已经得到控制时，您是否停止过服药？条目7：您是否觉得坚持治疗计划有困难？条目8：您觉得要记住按时按量服药很难吗？对于条目1~7，回答"是"计0分，回答"否"计1分，条目5反向计分，条目8采用Likert 5级评分法，"从不""很少""有时""经常""总是"依次计1、0.75、0.5、0.25、0分。各条目得分相加即为量表总分，得分范围为0~8分，得分越高，表示患者服药依从性越好。<6分为依从性差，6~7分为依从性中等，8分为依从性好。中文版MMAS-8的Cronbach's α系数为0.81。
用药知识问卷由马向芹[18]编制，包括12个条目，各条目采用Likert 4级评分法，"不了解""了解一点""部分了解""完全了解"依次计0、1、2、3分，各条目得分相加即为总分，得分范围为0~36分，得分越高，说明患者对用药知识的掌握情况越好。对用药知识的掌握程度进行划分：29~36分为用药知识掌握情况好，20~28分为用药知识掌握情况一般，0~19分为用药知识掌握情况差。用药知识问卷的Cronbach's α系数为0.86，结构效度为0.77，具有较好的信效度。
正式调查前，研究者与护理部及相关科室取得联系，讲明调查目的，获得医务人员支持。收集资料前，对调查员进行统一培训，培训内容包括问卷所涉及的核心概念、问卷填写要求、统一的指导语等。培训工作结束后，通过预调查对调查员的调查结果进行一致性检验，调查员经考核合格方可开展正式调研工作。调查员采用"一对一、面对面"询问的方式进行问卷调查，问卷由调查员填写。问卷填写完成后，调查员仔细核查问卷，检查问卷有无漏项和逻辑错误，如有项目遗漏及时填补，如发现错误及时改正。剔除答案前后矛盾、呈明显规律性的问卷。
采用SPSS 21.0软件进行数据处理与统计分析，正态分布的计量资料以（
±s）表示，组间比较采用单因素方差分析；计数资料以相对数表示，组间比较采用χ2检验或Fisher-Freeman-Halton检验；等级资料组间比较采用Kruskal-Walis H检验。采用Mplus 8.0软件进行LCA。从初始模型开始逐步增加模型中的类别数目，直至模型拟合指标达到最佳。通过对数似然比检验、赤池信息准则（AIC）、贝叶斯信息准则（BIC）、熵指数（EI）、罗-梦戴尔-鲁本校正似然比检验（LMR）和基于Bootstrap的似然比检验（BLRT）评价模型的拟合效果。对数似然比检验值的绝对值、AIC、BIC值越小，EI越大（≥0.8时，表明至少90%的个体被正确归类），且LMR和BLRT值达到显著性水平，则认为模型拟合度较好[19]。采用多元Logistic回归分析慢性病共病患者服药依从性类别的影响因素。检验水准α=0.05。
共发放问卷322份，回收问卷295份，问卷回收率为91.6%，其中有效问卷267份，有效问卷回收率为90.5%（267/295）。267例慢性病共病患者平均年龄为（67.09±7.06）岁；男131例（49.1%）；143例（53.6%）受教育程度为小学及以下；99例（37.1%）患病后已退休；200例（74.9%）已婚；149例（55.8%）居住状况为夫妻同住；120例（44.9%）主要照顾者为配偶；105例（39.3%）家庭人均月收入<2 000元；116例（43.4%）收入来源为子女赡养费；111例（41.6%）医保参保类型为城镇居民基本医疗保险；205例（76.8%）未参加商业医疗保险；132例（49.4%）自付药费为100~<300元/月；142例（53.2%）未获药师指导；138例（51.7%）服药种数<5种/d；223例（83.5%）用药剂型为片剂/胶囊；150例（56.2%）服药频率为3次/d；102例（38.2%）服药年限为10~<20年。患病率排名前3位的慢性病依次为高血压〔66.3%（177/267）〕、脑卒中〔59.2%（158/267）〕、糖尿病〔54.7%（146/267）〕（表1）。
267例慢性病共病患者患病情况
Prevalence of 12 multiple chronic conditions in 267 participants
267例慢性病共病患者患病情况
Prevalence of 12 multiple chronic conditions in 267 participants
| 排序 | 病种 | 例数 | 百分比（%） |
|---|---|---|---|
| 1 | 高血压 | 177 | 66.3 |
| 2 | 脑卒中 | 158 | 59.2 |
| 3 | 糖尿病 | 146 | 54.7 |
| 4 | 冠心病 | 99 | 37.1 |
| 5 | 高脂血症 | 69 | 25.8 |
| 6 | 慢性胃炎 | 42 | 15.7 |
| 7 | 关节炎 | 41 | 15.4 |
| 8 | 慢性肾脏病 | 38 | 14.2 |
| 9 | 慢性乙型肝炎 | 35 | 13.1 |
| 10 | COPD | 31 | 11.6 |
| 11 | 哮喘 | 27 | 10.1 |
| 12 | 白内障 | 25 | 9.4 |
注：COPD=慢性阻塞性肺疾病
267例慢性病共病患者中文版BMQ-Specific平均得分为（3.08±7.19）分（因中文版BMQ-Specific得分范围为-20~20分，故存在标准差大于均数的情况），中文版MMAS-8平均得分为（4.06±2.13）分，用药知识问卷平均得分为（14.73±6.62）分。中文版MMAS-8各条目得分情况上，196例（73.4%）、100例（37.5%）、114例（42.7%）、142例（53.2%）、128例（47.9%）、128例（47.9%）、125例（46.8%）分别在条目1~7上得1分；在条目8上得1.00、0.75、0.50、0.25、0分者各有63例（23.6%）、60例（22.5%）、50例（18.7%）、60例（22.5%）、34例（12.7%）。
以MMAS-8的8个条目作为外显指标（赋值：条目8得分≥0.75分=1，条目8得分≤0.5分=0），建立LCA。从类别数为1的基准模型开始，逐步增加模型中的类别数目，依次对1~5个类别的模型进行拟合。结果显示：根据LMR值应达到显著性水平这一要求，首选排除5个类别的模型。随着类别数目不断增加，模型1~4对数似然比检验值的绝对值、AIC值不断减小；保留3个类别时，EI在理想范围内，LMR、BLRT值达到显著性水平。虽然保留4个类别时，模型的AIC值最小，但潜在类别条件概率分布图像过于复杂且缺乏实际意义，故选取模型3作为最佳拟合模型。3个类别的潜在类别概率分别为18.0%、34.4%、47.6%，见表2。
慢性病共病患者服药依从性潜在类别模型拟合指标
Model fit indicators in latent class analysis for medication adherence in multiple chronic conditions patients
慢性病共病患者服药依从性潜在类别模型拟合指标
Model fit indicators in latent class analysis for medication adherence in multiple chronic conditions patients
| 模型 | 对数似然比检验值 | AIC值 | BIC值 | EI | LMR P值 | BLRT P值 | 类别概率 |
|---|---|---|---|---|---|---|---|
| 1 | -875.239 | 1 766.479 | 1 791.130 | － | － | － | 1.000 |
| 2 | -728.099 | 1 490.198 | 1 542.582 | 0.941 | <0.001 | <0.001 | 0.466/0.534 |
| 3 | -706.925 | 1 465.850 | 1 545.966 | 0.888 | 0.016 | <0.001 | 0.180/0.344/0.476 |
| 4 | -688.606 | 1 447.211 | 1 555.061 | 0.891 | 0.027 | <0.001 | 0.385/0.323/0.112/0.180 |
| 5 | -675.453 | 1 438.905 | 1 574.487 | 0.922 | 0.197 | <0.001 | 0.348/0.093/0.099/0.224/0.236 |
注：—表示无相关数据；AIC=赤池信息准则，BIC=贝叶斯信息准则，EI=熵指数，LMR=罗-梦戴尔-鲁本校正似然比检验，BLRT=基于Bootstrap的似然比检验
绘制慢性病共病患者服药依从性3个潜在类别的条件概率分布图（图1）。C3类别在各条目上得分的条件概率均明显高于C1、C2类别，且C3类别在5个条目上得分的条件概率>0.800，故将C3类别命名为"整体服药依从性较优组"。C2类别在各条目上得分的条件概率均<0.200，故将C2类别命名为"整体服药依从性较差组"。C1类别在除条目3、6外的其余条目上得分的条件概率均高于C2类别，且C1类别在条目3、6上得分的条件概率分别仅为0.039、0，考虑到条目3、6测量内容均与自主停药有关，故将C1类别命名为"主观服药依从性不佳组"。主观服药依从性不佳组、整体服药依从性较差组、整体服药依从性较优组中文版MMAS-8得分分别为（3.21±0.92）、（1.89±0.96）、（5.94±1.32）分，三组中文版MMAS-8得分比较，差异有统计学意义（F=351.607，P<0.001）。
不同服药依从性类别群体受教育程度、患病后工作情况、居住情况、家庭人均月收入、收入来源、获药师指导者占比、服药种数、服药频率、服药年限、中文版BMQ-Specific得分、用药知识问卷得分比较，差异有统计学意义（P<0.05），见表3。
不同服药依从性类别慢性病共病患者特征比较
Comparison of characteristics in patients with multiple chronic conditions by the latent class of medication adherence
不同服药依从性类别慢性病共病患者特征比较
Comparison of characteristics in patients with multiple chronic conditions by the latent class of medication adherence
| 组别 | 例数 | 年龄〔n（%）〕 | 性别〔n（%）〕 | 受教育程度〔n（%）〕 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| <60岁 | 60~69岁 | 70~79岁 | ≥80岁 | 男 | 女 | 小学及以下 | 初中 | 高中或中专 | 专科及以上 | ||
| 主观服药依从性不佳组 | 48 | 4（8.3） | 27（56.3） | 17（35.4） | 0 | 21（43.8） | 27（56.3） | 26（54.2） | 11（22.9） | 9（18.7） | 2（4.2） |
| 整体服药依从性较差组 | 92 | 7（7.6） | 59（64.1） | 25（27.2） | 1（1.1） | 51（55.4） | 41（44.6） | 57（62.0） | 25（27.2） | 9（9.8） | 1（1.1） |
| 整体服药依从性较优组 | 127 | 21（16.5） | 46（36.2） | 52（40.9） | 8（6.3） | 59（46.5） | 68（53.5） | 60（47.2） | 33（26.0） | 17（13.4） | 17（13.4） |
| 统计量值 | 2.937a | 2.382b | 15.969b | ||||||||
| P值 | 0.230 | 0.304 | 0.014 | ||||||||
| 组别 | 患病后工作情况〔n（%）〕 | 婚姻状况〔n（%）〕 | |||||||
|---|---|---|---|---|---|---|---|---|---|
| 继续工作 | 因病退休 | 已退休 | 无业 | 其他 | 未婚 | 已婚 | 离婚 | 丧偶 | |
| 主观服药依从性不佳组 | 5（10.4） | 6（12.5） | 15（31.3） | 19（39.6） | 3（6.3） | 1（2.1） | 36（75.0） | 1（2.1） | 10（20.8） |
| 整体服药依从性较差组 | 12（13.0） | 8（8.7） | 37（40.2） | 23（25.0） | 12（13.0） | 7（7.6） | 62（67.4） | 4（4.3） | 19（20.7） |
| 整体服药依从性较优组 | 16（12.6） | 1（0.8） | 47（37.0） | 57（44.9） | 6（4.7） | 0 | 102（80.3） | 0 | 25（19.7） |
| 统计量值 | 22.420b | 0.011c | |||||||
| P值 | 0.004 | 0.918 | |||||||
| 组别 | 居住情况〔n（%）〕 | 主要照顾者〔n（%）〕 | |||||||
|---|---|---|---|---|---|---|---|---|---|
| 独居 | 夫妻同住 | 子女同住 | 其他 | 配偶 | 子女 | 保姆/护工 | 无 | 其他 | |
| 主观服药依从性不佳组 | 0 | 32（66.7） | 16（33.3） | 0 | 19（39.6） | 20（41.7） | 1（2.1） | 8（16.7） | 0 |
| 整体服药依从性较差组 | 11（12.0） | 39（42.4） | 40（43.5） | 2（1.1） | 36（39.1） | 42（45.7） | 4（4.3） | 10（10.9） | 0 |
| 整体服药依从性较优组 | 14（11.0） | 78（61.4） | 35（27.6） | 0 | 65（51.2） | 44（34.6） | 1（0.8） | 15（11.8） | 2（1.6） |
| 统计量值 | 4.023c | 1.200c | |||||||
| P值 | 0.045 | 0.273 | |||||||
| 组别 | 家庭人均月收入〔n（%）〕 | 收入来源〔n（%）〕 | |||||||
|---|---|---|---|---|---|---|---|---|---|
| <2 000元 | 2 000~元 | 3 000~元 | 4 000~元 | 5 000~元 | 子女赡养费 | 离退休工资 | 低保 | 其他 | |
| 主观服药依从性不佳组 | 31（64.6） | 7（14.6） | 5（10.4） | 3（6.3） | 2（4.2） | 28（58.3） | 14（29.2） | 1（2.1） | 5（10.4） |
| 整体服药依从性较差组 | 21（22.8） | 24（26.1） | 24（26.1） | 16（17.4） | 7（7.6） | 40（43.5） | 43（46.7） | 2（2.2） | 7（7.6） |
| 整体服药依从性较优组 | 53（41.7） | 27（21.3） | 24（18.9） | 15（11.8） | 8（6.3） | 48（37.8） | 50（39.4） | 3（2.4） | 26（20.5） |
| 统计量值 | 19.935a | 7.547c | |||||||
| P值 | 0.001 | 0.006 | |||||||
| 组别 | 医保参保类型〔n（%）〕 | 参加商业医疗保险〔n（%）〕 | 自付药费〔n（%）〕 | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 城镇职工基本医疗保险 | 城镇居民基本医疗保险 | 新型农村合作医疗 | 其他 | 是 | 否 | <100元/月 | 100~元/月 | 300~元/月 | 500~元/月 | 800~元/月 | |
| 主观服药依从性不佳组 | 11（22.9） | 19（39.6） | 18（37.5） | 0 | 8（16.7） | 40（83.3） | 4（8.3） | 36（75.0） | 2（4.2） | 3（6.3） | 3（6.3） |
| 整体服药依从性较差组 | 40（43.5） | 38（41.3） | 13（14.1） | 1（1.1） | 29（31.5） | 63（68.5） | 5（5.4） | 54（58.7） | 16（17.4） | 10（10.9） | 7（7.6） |
| 整体服药依从性较优组 | 34（26.8） | 54（42.5） | 38（29.9） | 1（0.8） | 25（19.7） | 102（80.3） | 19（15.0） | 42（33.1） | 35（27.6） | 17（13.4） | 14（11.0） |
| 统计量值 | 0.089c | 5.603b | 3.989a | ||||||||
| P值 | 0.765 | 0.061 | 0.136 | ||||||||
| 组别 | 获药师指导〔n（%）〕 | 服药种数〔n（%）〕 | 用药剂型〔n（%）〕 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 是 | 否 | <5种/d | 5~10种/d | 11~15种/d | 片剂/胶囊 | 乳膏 | 吸入剂 | 液体 | 注射剂 | |
| 主观服药依从性不佳组 | 18（37.5） | 30（62.5） | 24（50.0） | 23（47.9） | 1（2.1） | 47（97.9） | 0 | 0 | 0 | 1（2.1） |
| 整体服药依从性较差组 | 55（59.8） | 37（40.2） | 59（64.1） | 30（32.6） | 3（3.3） | 64（69.6） | 1（1.1） | 2（2.2） | 5（5.4） | 20（21.7） |
| 整体服药依从性较优组 | 52（40.9） | 75（59.1） | 55（43.3） | 68（53.5） | 4（3.1） | 112（88.2） | 0 | 2（1.6） | 1（0.8） | 12（9.4） |
| 统计量值 | 7.692b | 8.450a | 0.054c | |||||||
| P值 | 0.021 | 0.015 | 0.816 | |||||||
| 组别 | 服药频率〔n（%）〕 | 服药年限〔n（%）〕 | 中文版BMQ-Specific得分（ ±s，分）e | 用药知识得分（ ±s，分） | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1次/d | 2次/d | 3次/d | >3次/d | <1年 | 1~年 | 5~年 | 10~年 | 20~年 | |||
| 主观服药依从性不佳组 | 4（8.3） | 15（31.3） | 29（60.4） | 0 | 1（2.1） | 9（18.8） | 18（37.5） | 15（31.3） | 5（10.4） | 0.33±4.28 | 12.23±4.69 |
| 整体服药依从性较差组 | 1（1.1） | 26（28.3） | 56（60.9） | 9（9.8） | 1（1.1） | 6（6.5） | 25（27.2） | 41（44.6） | 19（20.7） | -2.18±8.73 | 12.96±5.01 |
| 整体服药依从性较优组 | 20（15.7） | 33（26.0） | 65（51.2） | 9（7.1） | 7（5.5） | 28（22.0） | 28（22.0） | 46（36.2） | 18（14.2） | 3.86±7.92 | 17.17±6.37 |
| 统计量值 | 6.894a | 11.151a | 35.109d | 82.367d | |||||||
| P值 | 0.032 | 0.004 | 0.002 | 0.004 | |||||||
注：由于数值修约，部分构成比之和非100.0%；a表示H值，b表示χ2值，c表示采用Fisher-Freeman-Halton检验，d表示F值；e表示因中文版BMQ-Specific得分范围为-20~20分，故存在标准差大于均数的情况；BMQ-Specific=服药信念特异性问卷
以慢性病共病患者服药依从性潜在类别为因变量（赋值：整体服药依从性较优组=0，主观服药依从性不佳组=1，整体服药依从性较差组=2），将表4中差异有统计学意义的变量作为自变量进行多元Logistic回归分析。结果显示：相对于主观服药依从性不佳组，获药师指导者、中文版BMQ-Specific得分较高者、用药知识问卷得分较高者更易入整体服药依从性较优组，因病退休、收入来源为子女赡养费者更不易入整体服药依从性较优组（P<0.05）；相对于整体服药依从性较差组，已退休者、服药频率为1次/d者、获药师指导者、中文版BMQ-Specific得分较高者、用药知识问卷得分较高者更易入整体服药依从性较优组（P<0.05），见表4。
慢性病共病患者服药依从性类别影响因素的多元Logistic回归分析
Multiple Logistic regression analysis of influencing factors for three latent classes of medication adherence in multiple chronic conditions patients
慢性病共病患者服药依从性类别影响因素的多元Logistic回归分析
Multiple Logistic regression analysis of influencing factors for three latent classes of medication adherence in multiple chronic conditions patients
| 变量 | b | SE | Waldχ2值 | P值 | OR（95%CI） | ||
|---|---|---|---|---|---|---|---|
| 因变量：以整体服药依从性较优组为参照 | |||||||
| 患病后工作情况（以其他为参照） | |||||||
| 继续工作 | 0.643 | 1.421 | 0.205 | 0.651 | 1.902（0.118，30.795） | ||
| 因病退休 | 5.100 | 1.603 | 10.116 | 0.001 | 163.991（7.079，3 798.744）a | ||
| 已退休 | 1.442 | 1.225 | 1.386 | 0.239 | 4.229（0.383，46.648） | ||
| 无业 | 1.093 | 1.194 | 0.839 | 0.360 | 1.902（0.118，30.795） | ||
| 收入来源（以其他为参照） | |||||||
| 子女赡养费 | 1.441 | 0.708 | 4.147 | 0.042 | 4.227（1.056，16.923） | ||
| 离退休工资 | -0.523 | 0.811 | 0.416 | 0.519 | 0.593（0.121，2.903） | ||
| 低保 | 1.456 | 1.243 | 1.370 | 0.242 | 4.287（0.375，49.036） | ||
| 获药师指导（以否为参照） | |||||||
| 是 | -1.884 | 0.604 | 9.746 | 0.002 | 0.152（0.047，0.496） | ||
| 中文版BMQ-Specific得分（原值进入） | -0.082 | 0.033 | 6.008 | 0.014 | 0.930（0.878，0.985） | ||
| 用药知识得分（原值进入） | -0.159 | 0.044 | 13.061 | <0.001 | 0.853（0.782，0.930） | ||
| 因变量：以整体服药依从性较优组为参照 | |||||||
| 患病后工作情况（以其他为参照） | |||||||
| 继续工作 | -0.776 | 0.757 | 1.052 | 0.305 | 0.460（0.104，2.028） | ||
| 因病退休 | 0.801 | 1.166 | 0.472 | 0.492 | 2.228（0.227，21.888） | ||
| 已退休 | -1.403 | 0.682 | 4.231 | 0.040 | 0.246（0.065，0.936） | ||
| 无业 | -0.846 | 0.651 | 1.687 | 0.194 | 0.429（0.120，1.538） | ||
| 服药频率（次/d，以>3为参照） | |||||||
| 1 | -2.804 | 0.975 | 8.264 | 0.004 | 0.061（0.009，0.410） | ||
| 2 | -0.653 | 0.718 | 0.827 | 0.363 | 0.520（0.127，2.127） | ||
| 3 | -0.936 | 0.680 | 1.895 | 0.169 | 0.392（0.103，1.487） | ||
| 获药师指导（以否为参照） | |||||||
| 是 | -1.659 | 0.614 | 7.301 | 0.007 | 0.190（0.057，0.634） | ||
| 中文版BMQ-Specific得分（原值进入） | -0.067 | 0.023 | 8.522 | 0.004 | 0.935（0.893，0.978） | ||
| 用药知识得分（原值进入） | -0.196 | 0.036 | 30.013 | <0.001 | 0.822（0.766，0.882） | ||
注：受限于篇幅，未呈现差异无统计学意义的变量的分析结果；a表示OR及其95%CI上限过大可能与本组样本数较少有关
本研究采用LCA法探讨了慢性病共病患者服药依从性的类别，并揭示了不同服药依从性类别慢性病共病患者的特征差异，可为旨在提高慢性病共病患者服药依从性的干预方案的有效制定提供借鉴。通过一系列拟合指标，将慢性病共病患者服药依从性分为3个潜在类别，分别命名为主观服药依从性不佳组（C1类别）、整体服药依从性较差组（C2类别）、整体服药依从性较优组（C3类别）。C3类别慢性病共病患者在中文版MMAS-8各条目上得分的条件概率均高于其余两类别，占比为47.6%，提示慢性病共病患者中，服药依从性不佳者占比仍较高（52.4%），与吴丽红等[20]、MUELA等[21]的研究结果一致，即半数左右的慢性病患者服药依从性不良。C2类别慢性病共病患者在中文版MMAS-8所有条目上得分的条件概率均较低，占比为34.4%，提示34.4%的慢性病共病患者有因记忆力变差忘记服药、因副作用或症状好转自行停药的经历。本研究中，患病率排名前3位的慢性病依次为高血压、脑卒中、糖尿病。长期高血压可导致患者脑小动脉硬化及脑底动脉粥样硬化，并对其脑组织造成损伤[22]。脑卒中引起的脑组织缺血、低氧，可导致老年人认知及记忆能力下降[23]。持续高血糖可使糖尿病患者大脑神经受损，从而造成其出现认知功能受损的情况；在疾病持续发展的情况下，持续高血糖甚至会对患者的记忆力造成损害，进而引起痴呆[24]。由此可见，改善慢性病共病患者服药依从性的措施之一是有效控制慢性病的进程和发展，减少原发疾病长期作用给患者带来的认知、记忆功能损害。而较高的服药依从性又有益于患者疾病的控制，二者相辅相成，互相促进。患者自行停药的原因可能有以下四点：一是患者认为病情减轻，没有必要长期服药；二是多病共患、多重用药使患者医疗消费支出明显增加，患者及其家庭承受较重的经济负担；三是长期服用某些药物时，须频繁监测血糖、血压水平，调整药物剂量，使得服药行为变得复杂；四是患者认为药物普遍存在副作用，不愿长期服用药物。
C1类别慢性病共病患者在条目3、6上得分的条件概率明显低于其他两类别，占比为18.0%，提示18.0%的慢性病共病患者存在服药主观不依从的现象。推测其原因，可能是患者服药信念水平较低、用药知识缺乏等。SEMAHEGN等[25]发现，精神疾病患者服药主观故意不依从的原因多为信念不足和对疾病及药物缺乏认识，提示医务人员未来在进行健康教育和用药指导时，采用针对性、个体化的干预方案非常重要。赋能理论主张以患者为中心，核心是让患者明确自我管理的责任，激发其内在动力和自我效能感，从而促使其行为改变[26]。对于主观服药依从性不佳的慢性病共病患者，医务人员应注重调动其对自己健康负责的主观积极性，并着力提高其用药知识和服药信念水平，促进其健康行为的转变。同时，未来研究人员应致力于开发出可将慢性病共病患者服药不依从原因划分成不同类别的工具，如根据COM-B模型从能力、机会和动机等方面具体分析慢性病共病患者服药不依从行为发生的原因，以便更好地对不同类型原因导致的服药不依从行为进行干预，从而有效改善慢性病共病患者的服药依从性。
多元Logistic回归结果显示，与整体服药依从性较优组相比，因病退休的慢性病共病患者更可能入主观服药依从性不佳组，而已退休者更可能入整体服药依从性较优组。慢性病共病患者因病退休后，常承受着心理和躯体"双重压力"，这也易使其产生不愿服药的心理。UCHMANOWICZ等[27]撰写的一项系统综述指出，患病后工作情况决定高血压患者的服药依从性水平，因病退休与高血压患者服药依从性下降有关。一方面原因可能是因病丧失劳动能力提前退休而引发的患者角色转变，可使患者社会角色失调，感觉自身社会地位下降，自我无用感增强，心理压力骤增，生活、工作节奏被打乱，甚至出现健忘的症状，进而导致就医、服药行为减少；另一方面，因慢性病难以完全治愈，长期的就医经历使因病退休患者自觉医学知识丰富，更易质疑医护人员的权威性，发生药物不良时更加倾向于谨慎地选择停止服药，病情好转时越易盲目自信。这也提示医务人员应多关注因病退休患者的服药情况，及时评估其服药依从性，识别其自主停药的原因，并对其进行个性化干预，增强其遵医嘱服药的自我效能感，最终减少其自主停药行为的发生的同时，让其积极承担起为自己的健康"保驾护航"的责任。
多元Logistic回归结果显示，与整体服药依从性较优组相比，由子女赡养的慢性病共病患者更可能入主观服药依从性不佳组。由于收入来源于子女赡养费，当出现药物不良反应或自觉症状好转时，患者出于减少就医支出和不愿叨扰子女的心理常擅自停药。药品经济负担是提高此类患者服药依从性的重要障碍[28]。提示医务人员应多关注经济收入来源为子女赡养费的慢性病共病患者，通过加强与其沟通，减少其自行停药行为的发生，提高其服药依从性，促进其自我管理。与此同时，子女应加强对老年慢性病共病患者的关心与爱护，最终实现从个人、家庭、社会三个层面全方位干预慢性病共病患者主观服药不依从问题。
本研究发现，无论与主观服药依从性不佳组相比，还是与整体服药依从性较差组相比，用药知识问卷得分、中文版BMQ-Specific得分越高者越易入整体服药依从性较优组。用药知识水平越低，慢性病共病患者越容易对疾病产生错误理解、遵医服药行为水平越低，从而越易出现服药不依从行为。知信行（KAP）理论认为，知识是改变健康相关行为的基础；PENDER等[29]提出的健康行为模型也指出，个体对于疾病防治等方面知识的了解程度，以及个体对健康的认知与态度，将会影响其健康行为方式。疾病、药物知识的缺乏，不仅会对慢性病共病患者服药信念和行为产生消极影响，也会对其疾病控制造成不利影响。国内外相关研究表明，慢性病患者服药依从性水平与其疾病知识掌握情况之间存在正相关关系[30,31]，但由于不同学者对服药依从性及药物知识概念的界定不同，不同研究结果存在不一致之处。如汪敏生等[32]在一项应用KAP模型来提高高血压患者服药依从性的研究中指出，知识未必都能转化成行为，从知识到行为的转化是一个多层次、复杂而又困难的过程，如何提高患者知识水平、转变患者信念，进而最终提高其服药依从性一直是健康教育领域关注的重点。医务人员对慢性病共病患者进行健康教育时，应避免采取单向传播和单向宣教的方式，宣教内容应注重知识性、科学性、实用性、趣味性和通俗性，宣教形式应体现新颖性。同时还须及时接收来自患者的信息反馈，动态评估知识的传播效果。
患者服药信念水平越高，越易入整体服药依从性较优组，这与既往研究的结果相一致[33]。自我调节理论认为，个体的信念会影响其对信息的理解，进而影响自身行为，而慢性病共病患者由于服药周期长且缺乏医务人员监督和指导，较容易产生服药顾虑性信念（如担心药物不良反应的发生），而顾虑性信念水平较高的患者，常对医嘱不遵从、不信任，更愿意相信民间偏方、土方，进而更易出现随意减药、停药等服药不依从行为[34]；也有患者服药必要信念水平较低，对自身健康状况盲目自信，认为疾病始终在自己可控范围内，无须遵医嘱、按时服药。因此，医护人员应该有针对性地对慢性病共病患者进行健康教育，消除患者对疾病治疗产生的顾虑及盲目自信；通过帮助其增强服药必要性信念、克服服药顾虑，进而提高患者的服药依从性。由于服药信念水平易于通过相关问卷测量，医务人员可在住院期间对慢性病共病患者服药信念水平进行评估，及时识别可能发生服药不依从行为的人群，从而使得医疗资源向服药不依从行为发生风险较高的慢性病共病患者集中。
本研究结果显示，获药师指导的慢性病共病患者入整体服药依从性较优组的概率更高。药师不仅承担着发药、审方等工作，还是安全、合理用药知识和理念的宣教者、不合理服药行为的干预者[35]。一方面来自药师的指导有助于纠正慢性病共病患者因自觉症状好转或担心药物不良反应的发生而自行停药的主观服药不依从行为；另一方面，药师对慢性病共病患者进行宣教有利于提高患者对疾病的重视程度。研究表明，工作繁忙、生活不便等客观因素导致的患者服药依从性不佳，其根本原因还是在于患者对疾病的重视程度不够[36]。药师宣教可使患者认识到正确、规律服药有助于疾病的控制，降低其因工作繁忙漏服、忘服药物的概率，从而有助于改善其服药依从性。家庭医生签约服务模式对居家老年患者持续治疗、药物管理具有积极的作用[37]，加强医学与多学科深度交叉融合已被证明是管理慢性病的有效且高效的方法[38]，然而国内目前绝大多数家庭医生签约服务团队仅由医生、护士组成，缺少社区药师的参与[39]，未来应积极将药师纳入家庭医生签约服务团队，加强多学科协作团队建设，进而提高慢性病共病患者药物管理效果。
本研究结果显示，与服药频率>3次/d的慢性病共病患者相比，服药频率为1次/d的慢性病共病患者入整体服药依从性较优组的概率更大，表明高服药频率是提高慢性病共病患者服药依从性的阻碍因素，与既往研究的结果相同[29,40]。经分析，原因可能如下：（1）服药频率高，可增加患者漏服药物的概率；（2）高服药频率可能会使患者对服药行为及治疗产生抵触情绪，进而导致患者不愿遵医嘱服药，自行减少服药次数。因此，这也提示医生在为慢性病共病患者开具处方时，应结合患者多病共存这一实际情况，优先考虑选择长效制剂、复方制剂，在控制病情的同时尽可能减少患者的服药次数，定期实施处方精简。在临床实践中，护士应辅助医生优化慢性病共病患者用药方案，协助医生回顾患者的用药史、精简用物，致力于降低慢性病共病患者的服药频率。
本研究通过LCA探究了慢性病共病患者服药依从性的异质性。由于LCA是基于研究对象在外显变量上的应答特征来对其进行分类的，因此，在不同的调查样本下可能会出现分类结果不同的情况。本研究结果显示，慢性病共病患者服药依从性可分为3个潜在类别：主观服药依从性不佳组、整体服药依从性较差组和整体服药依从性较优组；半数左右的慢性病共病患者服药依从性处于较高水平；患病后工作情况、收入来源情况、获药师指导情况、服药频率、用药知识与服药信念水平对慢性病共病患者服药依从性有影响。医务人员及家属应加强对因病退休、收入来源于子女赡养费的慢性病共病患者的关注，促进其服药信念和用药知识水平的提升，进而减少慢性病共病患者自主停药行为的发生；研发人员应通过积极开发服药依从性促进工具，降低慢性病共病患者遗忘等无意的不依从行为的发生概率，进一步提高慢性病共病患者服药依从性，改善慢性病共病患者疾病自我管理效果，提高其生活质量，最终改善其健康结局。本研究采用自我报告的形式来测量慢性病共病患者的服药依从性，评估结果可能存在一定程度的回忆偏倚和社会期望偏差，未来可以考虑将患者自我报告结局测量工具和其他测量装置相结合，如药丸计数装置、电子监测装置等，共同运用于慢性病共病患者的服药依从性评估。另外，由于调查范围较为局限，本研究的研究人群可能不具有代表性，结论可能不具有普适性，今后应扩大样本选取范围以对本研究的结果进行深入验证。未来研究一方面可通过对慢性病共病患者服药依从性进行纵向分析，探索其动态演变规律；另一方面可通过筛选慢性病共病患者服药依从性不佳的预测因子，进而为识别服药不依从行为发生风险较高的患者提供依据，为日后旨在提高慢性病共病患者服药依从性的干预方案的构建奠定基础。
本文无利益冲突。
