数据挖掘在住院患者跌倒风险防控中的应用

□ 潘倩霞 PAN Qian-xia 黄霞光 HUANG Xia-guang 沈俊俊 SHEN Jun-jun

院内跌倒是住院患者经常出现的不良事件，尤其是老年住院患者。研究表明，大约20%～30%的院内跌倒导致的伤害需要医疗干预，其中3%～5%是骨折。部分跌倒患者导致跌倒后综合征、长期残疾、丧失独立生活能力等，不仅给患者身心带来伤害，增加患者痛苦，还增加了患者家庭、医疗机构和社会的负担[1-2]。因此，研究评估跌倒风险的工具以评估住院患者跌倒风险，以便采取有效预防措施，避免跌倒的发生[3-4]。研究表明，目前常见的跌倒风险评估工具均不能准确地识别跌倒风险[5]。随着信息技术在医院管理中的应用，医院积累了大量的患者数据，为疾病及影响因素分析奠定了基础[6]。本研究拟采用Apriori算法对记录于我院信息系统中的跌倒事件进行数据挖掘，深入探讨可能造成跌倒的风险因素，以便制定出有针对性的防范措施。

资料与方法

1.资料来源。收集我院2016年3月1日至2019年5月31日医院信息系统中记录的跌倒事件的患者数据。纳入标准：(1)年龄＞18岁，(2)意外导致的院内跌倒。排除标准：(1)癫痫、偏瘫或暴力等导致的跌倒，(2)资料存在严重缺失，无法补充完整的患者。患者数据包括患者住院号、姓名、性别、年龄、入院诊断、既往病史、跌倒史，跌倒发生前患者的生命体征、意识、血糖、有无静脉治疗(静脉输液和导管等)、有无使用易导致跌倒的药物、身体质量指数(Body Mass Index， BMI)、日常生活活动能力(Activities of Daily Living， ADL)、住院患者跌倒风险评分(住院患者跌倒风险评估量表进行评估)、步态、有无陪护、跌倒发生的时间、地点、跌倒导致的伤害等。共计收集符合条件的病例记录256例。

2.数据前期处理。根据“正常/是=1、异常/否=0”，将连续型数据转化为离散型数据。数据前期处理后共获得1640项数据，包括：年龄≥65岁、男性、疾病诊断＞1个、高血压史、脑血管意外史、跌倒史，跌倒发生前患者的血压异常、血糖异常、意识障碍、有静脉输液、有导管、使用易导致跌倒的药物、BMI异常、ADL三级或四级、住院患者跌倒风险评分≥4分、步态不稳、无陪护、跌倒发生在夜间、跌倒导致的伤害等。

3.数据挖掘。采用Apriori算法进行关联规则的数据挖掘。两项变量间存在某种相关性关系即视这两项变量存在关联规则，这两项变量也被称作前后项。最小支持度、最小置信度和作用度被用来判定关联规则，支持度反映关联规则的重要性，置信度反映可信程度，作用度反映具有前项对后项的影响程度。若前后项间的关联规则既满足最小支持度，也满足最小置信度，则称这两项变量间的关联规则为强关联[7]。本研究前期处理的数据类别和数量较多，因此Apriori算法中的最小支持度设定为10%～20%，最小置信度设定为60%。数据挖掘流程详见图1。

图1 数据挖掘流程

4.统计学方法。采用SPSS21.0进行数据统计。计量资料用均数±标准差(±s)表示，计数资料用百分比表示；置信度为计数资料，采用χ2检验进行统计分析，p＜0.05表示差异具有统计学意义。

结果

1.对一般资料的分析。本研究纳入的256例跌倒患者平均年龄为63.52±11.63岁，其中130例导致伤害，126例未导致伤害。其他一般资料详见表1。

2.关联规则分析结果。首过通过Apriori算法得出前后项的关联规则及支持度、置信度和作用度；再对前后项进行χ2检验；之后由3名护理专业副教授对结果进行逻辑分析，共得出12项强关联规则。单项强关联规则共8项(规则1～8)，双向强关联规则共2对(规则9～12)，详见表2。

表1 患者一般资料

讨论

1.预防夜间跌倒的发生。本研究结果显示，年龄≥65岁、有高血压史合并ADL三级或四级、糖尿病史合并步态不稳的患者易发生夜间跌倒。年龄≥65岁的患者由于膀胱功能退化，在夜间起床去卫生间的次数增多，且夜间病房和卫生间光线不足，患者容易发生跌倒[8]；同时夜间起床时，由于体位性血压改变，也会增加夜间跌倒的发生率[9]。有高血压史的患者由于脑部供血问题，易出现头晕、四肢乏力等症状，且高血压患者多需要联合用药[10]。本结果显示，有高血压史和使用易导致跌倒药物呈双向强相关性。因此，高血压患者更易发生夜间跌倒。同时ADL三级或四级的患者处于需要照顾但又基本可以自理的过渡期，因此患者及其照顾者对跌倒的重视度下降，增加跌倒的发生[11]。糖尿病患者的代谢紊乱，且下肢血液循环障碍和感觉缺失，极易出现步态紊乱等症状，易发生跌倒[12]。因此，医护人员在患者住院时，应着重关注年龄≥65岁、有高血压史和ADL三级或四级、糖尿病史和步态不稳的患者，对患者及家属加强院内跌倒的宣教，同时将该类患者列入夜间跌倒的高危人群，重点关注和防范夜间跌倒的发生。

2.预防再次跌倒的发生。本研究结果显示，年龄≥65岁和夜间发生过跌倒、步态不稳、疼痛的患者更易出现再次跌倒。研究表明[13-16]，步态不稳的患者出现跌倒的几率是普通患者的4倍，年龄≥65岁合并夜间发生跌倒的患者和疼痛患者也会增加再次跌倒的危险性；有跌倒史的患者由于机体平衡功能和应激反应能力的下降，其发生跌倒的危险性是一般患者的4.7倍。因此，医护人员应在患者住院时，将年龄≥65岁、步态不稳和有跌倒史的患者列入跌倒高危人群，通过各种形式对患者及家属加强跌倒防范的宣教，提高患者及家属的自我保护意识，同时对疼痛患者做好跌倒防范宣教和指导。

3.增加对多疾病诊断患者的关注。研究显示，ADL三级或四级合并使用易导致跌倒的药物与疾病诊断＞1个呈强相关性，年龄≥65岁与疾病诊断＞1个呈双向强相关。ADL三级或四级合并使用易导致跌倒的药物及年龄≥65岁的患者多合并有多种疾病。而奚桓等[17]研究表明，疾病诊断数量会增加患者跌倒的危险性，疾病诊断数量越多，患者由于疾病的影响，会降低对周围环境的危险因素的关注和应激反应能力，增加跌倒的发生。目前关于跌倒风险的评估工具中，只有少数评估量表会关注疾病诊断数量这一指标。因此，后期关于跌倒风险的评估中，应增加关于疾病诊断数量的评估。

综上所述，本研究通过数据挖掘发现，医护人员应预防患者夜间跌倒和再次跌倒的发生，增加对多疾病诊断患者的关注。本研究的数据来源较局限，今后研究可以通过更多医院的数据共享，对院内跌倒的数据进行全面的挖掘，以获得更加全面和深层次的危险因素和潜在因素，为制定跌倒防范系统提供理论基础。

表2 跌倒关联规则分析结果