华西跌倒风险评估量表与托马斯跌倒风险评估量表对老年住院病人跌倒的预测价值

刘 坤，黄 浩，朱 红，刘 争

四川大学华西医院，四川610045

跌倒是指病人突然或非故意的停顿，倒于地面或倒于比初始位置更低的地方[1]，且病人从床上落至垫子或地面上也视为跌倒。由于跌倒可造成病人不同程度的伤害，给病人带来身体和精神上的痛苦，延长住院时间，增加住院费用，也会导致增加医疗成本，增加医护人员工作量，影响床位周转率[2-3]，所以，医疗界对病人的跌倒非常重视，已成为评价护理质量及医院病人安全的重要指标之一[4-5]。虽然已有研究者针对跌倒评估开发了多个量表，但是针对不同人群、文化背景、疾病类型等没有一个公认的最佳评估工具。跌倒风险评估工具的局限性或不正确的使用，可能导致对跌倒风险病人的不恰当识别，并导致延迟或不实施跌倒预防干预措施。为了进行有效的跌倒风险管理，我院医护专家在综合国内外评估量表基础上制定了符合我国国情的跌倒风险评估工具，并与托马斯跌倒风险评估量表（St.Thomas's Risk Assessment Tool，STRATIFY）进行对比研究，旨在为临床护理工作者进行跌倒风险管理提供参考和依据。

1 对象与方法

1.1 研究对象 采用同期自身对照设计。采用便利抽样法纳入2018 年6 月1 日—2019 年5 月31 日在四川省成都市某三级甲等综合医院住院治疗的老年病人51 500 例。纳入标准：①住院病人；②年龄≥65 岁。排除标准：拒绝参与研究；住院时间＜1 d。

1.2 研究工具

1.2.1 一般资料调查表 由研究者根据研究目的，在查阅文献的基础上自行设计，包括病人跌倒史、年龄、性别、入院方式、入院形式、住院天数、文化程度、婚姻状态、住院期间是否发生跌倒等。

1.2.2 STRATIFY STRATIFY 是Oliver 等[6]在1997 年研制，用来评估老年人跌倒风险的量表。量表包括5 个条目：意识不清/躁动不安、步态不稳、曾发生过跌倒、有常上厕所的需求、视觉不佳且造成日常生活功能障碍。得分越高，发生跌倒的风险越高。当临界值为≥2 分时，量表的敏感度为93%，特异度为87%，阳性预测值为62%，阴性预测值为98%。

1.2.3 华西跌倒风险评估量表 由研究者所在单位医护专家在STRATIFY 量表基础上，结合国内外其他跌倒评估量表研究情况制定，包括年龄、认知能力、走动能力、排泄自理能力、住院前1 年跌倒史、目前使用特殊药物（如镇静、利尿、降压、降糖、安眠等药物）、视力障碍、依从性低或沟通障碍、躁动不安、其他高危因素10 个条目，总分1～15 分，得分越高，跌倒风险越高。适用于成年人群的跌倒风险评估。总分≥4 分者为跌倒高风险，＜4 分为跌倒低风险。各条目计分方法见表1。

表1 华西跌倒风险评估量表计分方法

1.3 调查方法 为保证评估护理人员对量表条目的理解和测评方法达到一致，项目开始前由研究者对全院各住院病房选2 名护士进行统一培训，介绍两种跌倒风险评估工具的使用目的、测评方法、计分方法，并负责对所在病房责任护士跌倒风险评估的实施和指导。研究对象入院4 h 内，由责任护士同时进行两种跌倒风险评估量表的测评，并记录于医院电子信息系统中，在病情变化时进行动态复评。发生跌倒的研究对象以跌倒前最近一次跌倒风险评分纳入分析，未发生跌倒的研究对象以住院期间最高的一次跌倒风险评分纳入分析。

1.4 统计学方法 采用SPSS 21.0 和MedCalc 19.0.4统计软件进行分析。计数资料采用频数、构成比描述；定量资料采用均数±标准差(±s)描述，比较采用t 检验；定性资料比较采用χ2检验。以住院期间有无跌倒为金标准，采用受试者工作特征曲线（ROC）的曲线下面积（AUC）评价量表对跌倒风险的预测价值。计算量表的敏感度、特异度、阳性预测值、阴性预测值、约登指数、AUC 来检验量表的预测效度。运用Z 检验比较两量表AUC 的差异性。检验水准α=0.05。

2 结果

2.1 住院病人一般资料 本研究共纳入住院病人51 500 例，住院期间共发生跌倒30 例次。研究对象以男性为主（57.17%），年龄65～106（72.97±6.75）岁，住院天数1～365（9.23±10.54）d，入院方式以平诊为主（81.39%），入院形式以步行为主（84.01%），婚姻状态以已婚为主（87.30%），有跌倒史病人占13.13%。见表2。

2.2 跌倒风险评分 本组病人STRATIFY 评分0～5（0.95±1.08）分。华西跌倒风险评估量表评分1～14（3.82±1.76）分，发生跌倒与未发生跌倒病人评分比较见表3。

表3 老年住院病人两种跌倒风险评估量表得分比较（±s） 单位：分

组别跌倒组未发生跌倒组P例数30 51 470 STRATIFY 1.80±1.27 0.95±1.08＜0.001华西跌倒风险评估量表6.03±1.83 3.81±1.76＜0.001

2.3 STRATIFY 量表的预测价值 STRATIFY 量表AUC 为0.690，95%置信区间（CI）为0.587～0.793，P＜0.001。ROC 曲线见图1。STRATIFY 量表不同截断值所对应的敏感度和特异度见表4。可以看出，评分1.5 分为最佳临界状态，此时量表的敏感度为63.3%，特异度为69.5%。约登指数=敏感度＋特异性-1。按≥2 分为跌倒高危，则跌倒高危病人为15 738 例，占30.6%。将所得资料列入2×2 四格表，按照敏感度、特异度、阳性预测值、阴性预测值的计算公式[7]得出STRATIFY 量表的敏感度为63.33%，特异度为69.46%，阳性预测值为0.12%，阴性预测值为99.97%。见表5。

图1 STRATIFY 量表的ROC 曲线

表4 STRATIFY 量表各截断值所对应的敏感度和特异度

表5 STRATIFY 量表的敏感度、特异度、阳性预测值和阴性预测值 单位：例

2.4 华西跌倒风险评估量表的预测价值 华西跌倒风险评估量表AUC 为0.809，95%CI 为0.746～0.871，P＜0.001。ROC 曲线见图2。华西跌倒风险评估量表不同截断值所对应的敏感度和特异度见表6。可以看出，评分4.5 分为最佳临界状态，此时量表的敏感度为76.7%，特异度为68.9%。约登指数=敏感度＋特异性-1。按≥5 分为跌倒高危，则跌倒高危病人为16 033 例，占31.1%。将所得资料列入2×2 四格表，按照敏感度、特异度、阳性预测值、阴性预测值的计算公式[7]得出华西跌倒风险评估量表的敏感度为76.67%，特异度为68.89%，阳性预测值为0.14%，阴性预测值为99.98%。详见表7。

图2 华西跌倒风险评估量表的ROC 曲线

表6 华西跌倒风险评估量表各截断值所对应的敏感度和特异度

表7 华西跌倒风险评估量表的敏感度、特异度、阳性预测值和阴性预测值 单位：例

2.5 两种量表AUC 的比较 华西跌倒风险评估量表与STRATIFY 量表的AUC 比较发现，两种量表AUC差 值 为0.119，标 准 误 为0.038，95%CI 为0.044～0.194，有统计学意义（Z=3.123，P=0.001 8），表明华西跌倒风险评估量表预测价值优于STRATIFY量表。

3 讨论

3.1 STRATIFY 量表的预测效度 本研究中，STRATIFY 量 表AUC 为0.690，与Milisen 等[8-9]对 于65 岁及以上老年人群的研究结果相似。AUC 反映量表预测的整体准确性，面积越大，准确性越高。通常AUC 为0.50～＜0.70 表示诊断价值较低，0.70～0.90表示诊断价值中等，高于0.90 时表示具有很高的诊断价值。该量表的AUC 为0.690，接近0.70，P＜0.001，表明该量表对筛查老年住院病人的跌倒风险准确度中等。本研究中STRATIFY 量表最佳截断值为2 分，与Oliver 等[6]的研究结果一致。 此时的敏感度为63.33%，特异度为69.46%，与Vassallo 等[10]研究中68.2%的敏感度和66.4%的特异性结果相似，低于Oliver等[6]研究中93.0%的敏感度、87.7%的特异性。但本研究中阴性预测值为99.97%，高于上述研究中的98.3%[6]和91.5%[10]。本研究中阳性预测值为0.12%，低于上述研究中的62.3%[6]和28.3%[10]，这可能与Oliver等[6]研究采用跌倒组与对照组进行抽样配对的病例对照研究设计，而本研究采用同期自身对照设计以及两项研究样本量的差异较大有关。

3.2 华西跌倒风险评估量表的预测效度 本研究中发生跌倒的病人华西跌倒风险评估量表评分为（6.03±1.83）分，高于未发生跌倒组的（3.81±1.76）分，可见评分越高，病人发生跌倒的风险越高。华西跌倒风险评估量表AUC 为0.809。高于Morse 跌倒风险评估量表AUC 0.701～0.761[11-14]和STRATIFY 量 表AUC 0.732[9]。按照AUC 的分级标准，则该量表对筛查住院病人的跌倒风险准确度较高。统计结果显示，华西跌倒风险评估量表评分最佳临界值为5 分，此时敏感度为76.67%，特异度为68.89%，表明该评估工具检验出跌倒高危人群的能力较均衡，鉴别出非跌倒高危人群的能力稍弱。阳性预测值为0.14%，阴性预测值为99.98%，表明发生跌倒病人占评估为跌倒高风险病人的比例很低，考虑本研究中发生跌倒病人仅占研究对象的0.06%（30 例），阳性预测值低符合实际情况。未发生跌倒病人占评估为跌倒低风险病人的比例为99.98%，表明该量表对非跌倒高危病人的排除率是很高的，具有良好的非跌倒人群预测能力。

结果显示，推荐采用5 分为截断值，这与量表基于成年人设定的4 分截断值结果不一致，分析其原因可能与本次研究对象为≥65 岁的老年人群，与量表设计时针对≥18 岁的成年人群的年龄分布差异有关。提示在对评估工具设定截断值时，可以针对不同的年龄人群设置不同的截断值，以更适合该类人群的风险评估和干预需求。

3.3 两种量表的预测效度比较 虽然目前可以用来评估老年人跌倒风险的评估工具较多，包括Morse 跌倒评估量表[12]、约翰霍普金斯跌倒风险评估量表[15-16]、Hendrich Ⅱ跌倒风险评估量表[17-18]等成熟的评估工具，但是也没有一个公认的信效度都好的适合于所有类型人群的工具，因而针对不同人群、不同文化背景的病人依然需要研究者进行针对性的研究工具开发。本研究中，两种量表跌倒组得分均高于未发生跌倒组，这与国内相关研究结果[19-20]相同。华西跌倒风险评估量表与STRATIFY 相比，增加了对病人年龄、特殊药物使用、依从性低、沟通障碍、其他高危专科因素的评估，因而能够更全面地评估病人的跌倒相关风险，并且适用于不同年龄段的病人进行风险评估。两种量表AUC 比较发现，华西跌倒风险评估量表对老年住院病人的跌倒预测价值优于STRATIFY 量表，表明华西跌倒风险评估量表更适用于临床护理工作中对老年病人跌倒风险的评估及管理。

4 小结

华西跌倒风险评估量表具有良好的预测效度，能够有效地识别有跌倒高风险的老年住院病人。该量表的使用可帮助临床护士和护理管理者准确识别高风险人群，并及时采取有效的预防措施，预防住院病人跌倒事件的发生，是保证病人安全的重要支撑。