住院病人跌倒风险列线图模型的建立

陈森芸，罗宝林，周玉华，黄嘉佳，施楚君

跌倒是医院中威胁病人安全最常见的不良事件之一[1]。病人在住院期间跌倒可产生病人死亡风险增加和巨额的医疗费用的不良影响，给个人和社会带来沉重的负担[2-4]。跌倒是意外伤害致死的一大来源[5]。防范与减少意外伤害是中国医院协会病人安全十大目标之一[6]。预防病人跌倒是医疗优先已变成全球共识，而风险预测是跌倒预防的第一步。目前国内已经就跌倒发生情况进行大量研究，然而大多侧重于探究跌倒发生的风险因素，尚未见有整合跌倒风险因素并依此构建风险评估工具的报告。列线图模型可将多个风险因素进行整合，转变为可视化的图形，使预测模型的结果更直观[7]。因此，本研究通过回顾某三级甲等医院近3年半内院内发生跌倒的病人资料，整合病人住院期间发生跌倒的风险因素，构建跌倒事件的风险预测模型，为临床筛查在院发生跌倒的高风险病人提供新的思路。

1 资料与方法

1.1 一般资料 选取2017年1月—2020年6月在汕头市某三级甲等医院住院的病人，收集该院护理不良事件报告系统中上报的跌倒病例，共纳入符合条件的113例作为跌倒组。纳入标准：①年龄≥18岁；②住院期间发生跌倒。排除标准：①年龄<18岁；②住院期间病历资料不全或相关信息记录缺失者。非跌倒组选择与跌倒病人相匹配的未发生跌倒的病人。纳入标准：与跌倒病人的性别、年龄、科室、时间段相匹配的病人；排除标准：住院期间病历资料不全或相关信息记录缺失者。

1.2 资料收集方法 通过查阅电子病历资料、护理不良事件报告表，回顾性采集研究对象住院期间的基本资料及跌倒相关风险因素。①基本资料：性别、年龄、文化程度、科室、住院天数等；②跌倒相关风险因素：诊断个数、视力、步态、眩晕、禁食、助行器具使用、跌倒史、双下肢肌力、夜尿/排便增多、跌倒风险认知评估、血压、基本生活活动能力(ADL)、Morse跌倒风险评估量表、药物使用(苯二氮卓类、抗精神病药、抗癫痫药、降糖药、降压药、髓袢利尿剂、强心苷类)、实验室生化检查(血清钾、血清钠、血清钙、血红蛋白、血小板)。

1.3 统计学方法 采用SPSS 22.0和R4.0.2.软件进行数据统计分析。分类变量以频数、构成比表示，连续性资料不符合正态分布，以M(P25，P75)表示。单变量分析定性资料采用χ2检验，连续性资料采用非参数检验。以研究对象是否发生跌倒为因变量，单因素分析中P<0.0.5的指标为自变量，纳入多因素Logistic回归分析，筛选出独立危险因素。依据多因素Logistic回归分析结果和利用R4.0.2绘制列线图模型，用Bootstrap法重复抽样1 000次进行内部验证及H-L拟合优度检验和ROC曲线对原列线图模型和内部验证后的列线图模型的校准度和区分度进行评估。

2 结果

2.1 研究对象一般资料 本研究共纳入226例跌倒事件，其中跌倒组113例，非跌倒组113例。跌倒组男67例，女46例；年龄(66.89±11.52)岁。非跌倒组男67例，女46例；年龄(67.44±11.04)岁。两组病人年龄、性别比较差异无统计学意义(P>0.05)。

2.2 住院病人发生跌倒事件的相关风险因素分析 如表1所示：步态、眩晕、夜尿/排便增多、跌倒风险认知评估、苯二氮卓类用药、诊断个数、血清钾、Morse跌倒风险评分跌倒组和非跌倒组比较差异有统计学意义(P<0.05)。以是否发生跌倒(未发生=0，发生=1)为因变量，以单因素分析中有统计学意义的8个变量作为自变量，进行Logistic回归分析。结果显示Morse跌倒风险评分、血清钾、跌倒风险认知评估是病人发生跌倒的影响因素。

表1 影响住院病人跌倒发生的单因素分析

2.3 住院病人跌倒事件风险预测模型的建立 基于Logistic回归筛选变量，纳入标准为0.1，最终纳入预测模型的变量为Morse跌倒风险评分、血清钾、跌倒风险认知评估、夜尿/排便增多，见表2。并建立病人发生跌倒风险因素模型列线图，见图1。根据绘制出的列线图模型，若存在列线图模型中的预测因素，则将所有预测因素对应的单项得分相加，以合计的总分值(total points)为基础再向下画一垂直线，定位后即为病人发生跌倒的可能性，范围介于0～180分，总分越高，病人发生跌倒的风险上升。

表2 住院病人院内发生跌倒风险因素的Logistic回归分析

图1 住院病人发生跌倒风险预测模型列线图

2.4 跌倒风险预测列线图模型的验证 采用Bootstrap内部验证法对列线图模型进行验证，利用H-L偏差度检验及ROC曲线下面积评估该列线图模型的预测偏差水平和区分度，H-L偏差度检测结果为χ2=6.505，P=0.591，提示模型预测准确度尚可；ROC曲线下面积(AUC)达0.743[95%CI(0.679，0.807)]，提示模型区分度尚可。见图2，图3。

图2 列线图模型的ROC曲线

图3 列线图模型的分类校准图

3 讨论

3.1 列线图在住院病人跌倒预测中的开发 近年来，列线图模型在医学领域研究中被广泛用于预测结果。列线图是预测模型的图示，整合了基于统计模型筛选的各变量，用户可以轻松地使用图形界面计算所有变量的累计得分，并进一步判断该结局事件发生风险的概率[8]。当前国内外学者将列线图模型引入新型冠状病毒肺炎(COVID-19)阳性检测[9]、神经外科重症监护室急性肾损伤[10]、冠状动脉粥样硬化性心脏病[11]等风险预测。目前国内尚未有报告将列线图模型应用于住院病人跌倒风险的预测研究。本研究回顾病人的临床资料，经多变量分析筛选出4项风险因素建立了一个列线图来预测跌倒发生的风险。经H-L拟合优度检验和ROC曲线分析显示该预测模型区分度和校准度尚可。该模型对住院病人跌倒发生风险具有一定的预测价值，临床护理人员可将风险因素对应的分值相加获得的总分值即为跌倒发生风险。这一评估工具的应用可为临床跌倒风险预测提供新的思路。

3.2 住院病人跌倒的风险因素分析 本研究结果显示，住院病人存在夜尿/排便增多、跌倒风险认知评估为高估或低估、Morse跌倒风险评分越高、血清钾水平下降的情况下跌倒发生的风险越高。夜尿症是衰老过程中的自然现象。夜尿症在中国老年人中发病率很高，尤其是70岁以上的老年人[12]。有夜尿增多的老年人如果经常在夜间上厕所，严重跌倒的风险会大大增加[13]。有研究显示28%的跌倒事件与夜间如厕有关[14]。病人夜尿至少2次，跌倒发生风险明显增加，而超过3次的夜尿则跌倒风险急剧增加[15]。为防止住院期间跌倒，正确的跌倒风险认知对病人来说是至关重要的。研究表明在有跌倒风险的住院病人中，超过一半的病人跌倒风险认知水平低[16-17]。住院病人对跌倒风险认知程度不高会增加跌倒发生的风险，与孙倩等[18]的研究结果相符。侯春华等[19]的研究认为大部分病人跌倒风险认知不足，高估或不了解自己的活动能力又好面子而不愿麻烦别人，往往易致跌倒。低血钾是临床上最常见的电解质失衡，超过20%的住院病人存在低钾血症[20]。虽然轻度低钾血症病人通常无症状，但随着钾浓度下降，病人可出现全身无力、疲劳等症状，继而可引发跌倒。研究结果显示，低钾血症病人的跌倒发生风险是正常病人的2倍，且低钾血症与跌倒风险之间可能存在持续性的影响[21]。本研究Logistic回归分析提示维持良好的血清钾水平，有助于降低跌倒发生的风险。多国的权威机构发布了跌倒预防的指南。Morse评估量表是临床用于跌倒评估较普遍的工具，广东省卫生厅编纂出版的《临床护理文书规范(专科篇)》推荐使用其来评估病人的跌倒风险[22]。本研究Logistic回归分析显示，Morse跌倒风险评分越高，住院期间发生跌倒的风险越大(P<0.05)。可见，Morse跌倒风险评估量表在指导临床跌倒风险评估中有重要意义。

4 小结

综上所述，本研究整合了跌倒的4个风险因素，依此构建的列线图模型预测能力较佳，为临床判别病人发生跌倒提供新的思路。根据此列线图模型，医护人员可对住院病人发生跌倒的可能性进行评估和预判，从而及时进行干预，对保障病人安全具有指导意义。本研究局限性在于样本量有限，列线图模型仅进行内部验证，后续尚需多中心大样本进行外部验证，缩小偏倚，在临床实践中对模型持续校准，以进一步完善优化此模型，为临床判别病人跌倒风险提供参考依据。