2型糖尿病患者知识、态度、行为和糖尿病肾病发生的相关性研究

摘    要：目的 探讨2型糖尿病(type 2 diabetes mellitus, T2DM)患者知识、态度、行为和糖尿病肾病(diabetic nephropathy, DN)发生的相关性。方法 选择2019年1月—2020年12月本院诊治的250例T2DM患者，记录所有患者的一般资料与DN发生情况，调查患者的知识、态度、行为状况并进行相关性分析。结果 在250例患者中，发生DN 55例，占比22.0%;DN组的性别、年龄、受教育年限、空腹血糖、糖化血红蛋白等与非DN组对比差异无统计学意义(P>0.05),DN组的糖尿病病程显著长于非DN组(P<0.05),DN组的知识、态度、行为评分均显著低于非DN组(P<0.05)。直线相关分析显示，DN与糖尿病病程有正向相关性(P<0.05),与知识、态度、行为评分有负向相关性(P<0.05);非条件Logistic回归分析显示，糖尿病病程与知识、态度、行为评分为DN发生的主要影响因素(P<0.05)。结论 T2DM患者多伴随有DN的发生，糖尿病病程与知识、态度、行为评分为导致DN发生的主要影响因素。

关键词：2型糖尿病;糖尿病肾病;知识;态度;行为;

 

2型糖尿病(type 2 diabetes mellitus, T2DM)是以高血糖为临床特点的慢性代谢病。糖尿病肾病(diabetic nephropathy, DN)是最多见的糖尿病微血管病变之一[1]。目前糖尿病发病率逐年升高，加上老龄化的日益严重，患者主要出现排泄中尿蛋白含量增加，病理体现在细胞外基质增多、肾小球基底膜增厚、肾小球硬化等[2]。研究显示，当T2DM患者较长时间处于胰岛素抵抗影响时，肾小管就会增加对钠的重吸收，可诱发DN的形成[3,4]。当前DN的护理主要以预防、早期干预为主。而预防工作中，患者对自身疾病的认知、态度及自我管理行为具有重要意义[5]。因此，掌握DN知识可对患者进行早期干预，改变其行为、饮食，有效改善预后。调查显示，很多糖尿病患者对DN的认识态度不端正，缺乏早期知识和自我护理行为[6]。本文通过调查T2DM患者知识、态度、行为和DN发生的相关性，以明确影响DN发生的非疾病性因素。现报道如下。

1 对象与方法

1.1 研究对象

选择2019年1月—2020年12月本院诊治的250例T2DM患者为研究对象。纳入标准：①符合T2DM的诊断标准，DN的诊断符合诊断标准[7];②病程≥6个月；③年龄18～70岁；④小学及以上文化水平；⑤无认知、语言障碍；⑥患者知情同意并愿意参与本研究。排除标准：①临床与调查资料缺乏者；②妊娠与哺乳期妇女。本研究得到本院伦理委员会的批准。

1.2 研究工具

1.2.1 一般资料调查表

调查所有患者的一般资料，包括年龄、糖尿病病程、空腹血糖、糖化血红蛋白等指标。

1.2.2 知识、态度、行为

T2DM患者的知识、态度、行为分别采用DM知识量表、DM态度量表、DM自我护理行为量表进行调查。

1.2.2.1 DM知识

采用Speight和Bradley[8]编制的知识量表(The Audit of Diabetes Knowledge, ADKnowl)对患者进行调查。该量表包括饮食/食物、治疗、患病时、足部护理、锻炼身体的影响、吸烟/喝酒的影响、减少并发症的危险、低血糖等8个维度，共26个因子、111个条目，每一个条目有“正确、错误、不知道”3个选项，与正确答案一致得1分，答案错误或不知道得0分，总分为0～116分，得分越高表示相关知识掌握程度越好。该量表信度为0.95,Cronbach′s α系数为0.817,提示内在一致性较高。

1.2.2.2 DM态度

采用国际公认的第三版DM态度量表(The Third Version of the Diabetes Attitude Scale, DAS-3)[9]对患者进行调查。该量表包括DM医务人员专业培训的必要性、T2DM的严重性、DM的心理影响、严格控制血糖的价值、患者的自主权5个维度，共33个条目。每个条目有5个选项，正向条目为完全同意计5分、同意计4分、一般计3分、不同意计2分、完全不同意计1分，反向条目则反之。总分33～165分，分数越高表明态度越好，量表信度为0.98,Cronbach′s α系数为0.753。

1.2.2.3 DM自我护理行为

采用DM自我护理行为量表(the Summary of Diabetes Self-Care Activities, SDSCA)修订版[10]进行调查。该量表内容包括饮食行为、运动行为、血糖监测行为、足部护理行为、用药行为、吸烟6个因子，共18个条目。采用修订版询问患者在过去的7 d内从事以上活动的天数，以此天数作为该条目的分数。前5个因子以0～7分计，0～7 d做到分别计为0～7分，吸烟维度以0～1分计，吸烟0分，不吸烟1分。总分为0～106分，分值越高，自我护理行为水平越好，量表信度为0.88,Cronbach′s α系数为0.815。

1.3 统计学方法

采用SPSS 21.00统计学软件进行数据分析，计量资料以表示，进行t检验；计数资料以例数表示，采用χ2检验，相关性分析采用直线相关分析，非条件Logistic回归分析进行多因素分析，检验水准为α=0.05。

2 结果

2.1 DN发生情况

在250例患者中，发生DN的有55例，占比22.0%。两组一般资料对比差异无统计学意义(P>0.05),DN组的糖尿病病程显著长于非DN组(P<0.05)。见表1。

表1 两组一般资料对比(n=250) 

2.2 知识、态度、行为评分对比

DN组的知识、态度、行为评分都显著低于非DN组(P<0.05)。见表2。

表2 两组知识、态度、行为评分对比

2.3 相关性分析

在250例患者中，直线相关分析显示DN与糖尿病病程有正向相关性(P<0.05),与知识、态度、行为评分有负向相关性(P<0.05)。见表3。

表3 2型糖尿病患者DN与其他指标的相关性(n=250) 

2.4 影响因素分析

在250例患者中，以DN作为因变量，以糖尿病病程与知识、态度、行为评分作为自变量，经分析显示糖尿病病程与知识、态度、行为评分为DN发生的主要影响因素(P<0.05)。见表4。

表4 影响2型糖尿病患者发生DN的多因素分析(n=250)

3 讨论

3.1 2型糖尿病患者中DN的发生情况

DN是糖尿病患者致残致死的重要并发症之一，该病起病隐匿、病情危重，但具体的发病机制暂未统一，与高血脂、胰岛素抵抗、炎症等有关[11]。本研究显示，在250例T2DM患者中，发生DN的有55例，占比22.0%,DN组的糖尿病病程显著长于非DN组。长期糖代谢异常，导致胰岛素过度分泌，可引发DN的发生[12]。

3.2 2型糖尿病患者的知识、态度、行为情况

根据“知—信—行”理论，通过改善慢性病患者的知识可以提高其自我管理能力[13]。糖尿病患者对药物治疗知识的了解程度越好，血糖水平也控制得越好[14]。态度是人们改变行为意愿主要的影响因素[15],在知识转化为行为中，患者的态度起着关键作用，若仅增加患者的知识并不足以改变患者的行为。糖尿病患者自我护理行为水平的高低直接关系到预后，良好的自我护理行为能显著改善患者的预后[16]。本研究显示，DN组的知识、态度、行为评分都显著低于非DN组，表明随着临床及社区对DN健康宣教的重视，加强了患者对DN知识的了解，但还不够完全领悟；DN态度总体水平较高，但是自我护理行为能力有待加强[17]。

本研究与刘跃华[18]的研究类似，该学者探究T2DM患者DM知识、态度、自我护理行为现状发现，绝大多数T2DM患者DM知识、自我护理行为处于中低水平。T2DM患者DM知识、态度与自我护理行为显著相关，又提示护士对T2DM患者除了进行DM知识讲解之外，也要加强态度宣教，让患者转变观念，从心理层面树立起乐观的信念，形成良好的自护行为。因此在知识干预中，医护人员应该积极帮助DN患者放松心情，帮助患者正确看待疾病。在一定条件下可要求患者参加一些DN专题讲座，了解DN及其并发症的基本知识和应对措施，树立起战胜疾病的信心。在态度干预中，积极评估DN患者的病情状况，告知患者按时按量服药，使其充分认识DN的危害及防治措施。在行为干预中，限制蛋白和盐的摄入量加上适当运动可减轻体重，可促进机体组织对糖的利用，为此可根据患者的身心特点制订合理的运动计划，选择简单、易坚持的项目，如步行、太极拳、慢跑等。

3.3 DN发生的相关因素分析

本研究直线相关分析显示，DN与糖尿病病程有正向相关性，与知识、态度、行为评分有负向相关性；本研究结果显示，糖尿病病程与知识、态度、行为评分为DN发生的主要影响因素。从机制上分析，病程较短的患者对DN的认识只停留在了解阶段，同时随着病程的延长，患者容易产生疲惫及倦怠心理，出现了自我放纵，DN的发生概率也会逐渐增加。而接受DN相关知识宣教较多的患者，对疾病有进一步的认知，更加倾向于采用积极应对措施，形成和巩固良好的自我护理行为。但当患者知识水平偏低时，若没有系统的DN知识作为基础，即使有积极、正确的态度作为动力，也很难达到理想的自我管理行为水平。为此，护士应根据患者实际情况，采取多种方法让患者了解DN基本知识、危险因素，适当指导其进行功能锻炼，鼓励患者之间相互交流及与社会的沟通，从而建立健康的生活方式[19]。

综上所述，T2DM患者多伴随有DN的发生，而糖尿病病程与知识、态度、行为评分为DN发生的主要影响因素。因此，医护人员要加强对T2DM患者的健康教育，以矫正不良认知、促进其健康行为转变。但本研究由于时间问题，纳入研究的病例比较少，在今后的研究中将扩大样本量进行深入分析。