维持性血液透析病人衰弱及衰弱前期风险预测模型的构建

卿 伟，邹兆华，易子涵，徐兴英，熊 洪

1.西南医科大学护理学院，四川 646000；2.德阳市人民医院；3.西南医科大学附属医院

慢性肾病（chronic kidney disease,CKD）是全球性的重大公共卫生问题[1]，一项Meta 分析结果显示，我国成人CKD 患病率已达13.1%[2]。终末期肾病(end-stage renal disease，ESRD)是指慢性肾病终末阶段出现的不可逆性的肾功能衰竭，可导致体内水、电解质及代谢产物紊乱，透析是目前的主要治疗方法[3-4]。已有数据显示，在我国进行维持性血液透析(maintenance hemodialysis，MHD)治疗的终末期肾病病人比例为89.5%[5]。慢性肾病病人的衰弱发生率较高，Chowdhury 等[6]对慢性肾病与衰弱的关系进行研究发现，社区慢性肾病(1～4 期)居民衰弱患病率为7%，血液透析病人的衰弱发生率为73%，慢性肾病病人肾小球滤过率降低，衰弱发生率增加。衰弱是一种生理系统累积量减少的非特异性状态，表现为机体抵抗应激能力减退、易损性增加[7]。衰弱前期是指老年人机体生理功能进行性下降，为健康与衰弱之间的过渡阶段。衰弱与MHD 病人的跌倒、骨折、住院率、死亡率等不良结局密切相关[8]。早期识别病人衰弱并给予针对性的干预可延缓衰弱发生，降低失能患病率及医疗资源投入。列线图模型被广泛应用于临床研究，通过对影响结局事件的相关指标进行量化，从而构建预后评估的预测模型以协助临床决策[9]。本研究主要探讨MHD 病人发生衰弱或处于衰弱前期的危险因素，建立列线图模型，为早期识别并预防血液透析病人衰弱提供依据。

1 对象与方法

1.1 研究对象

选取2022 年7 月—10 月在德阳市人民医院肾内科行MHD 治疗的病人作为研究对象。纳入标准：1）年龄≥18 岁；2）规律血液透析时间≥3 个月；3）符合《慢性肾脏病筛查诊断及防治指南》中的终末期肾病诊断标准[10]；4）意识清楚，无沟通障碍；5）知情同意，并签署知情同意书。排除标准：1）合并活动性恶性肿瘤、急性感染等危重症；2）有严重精神病史或躯体功能障碍。根据流行病学要求，样本量应为变量的5～10 倍，本研究纳入16 个变量，根据已有研究结果（MHD 病人衰弱发生率为50%）[11]，考虑20%的无效样本，预计样本量至少应纳入200 例。本研究最终纳入260 例病人。本研究已获得德阳市人民医院伦理委员会批准（伦理审查号：2022-04-0037-K01）。

1.2 测评工具

1.2.1 一般资料调查表

一般资料调查表由研究者自行编制，包括年龄、性别、文化程度、视力障碍、听力障碍、慢性疼痛、合并2型糖尿病、慢性肾病病程、多重用药、久坐行为、小腿围，其中小腿围采用无弹性的软皮尺测量，病人取坐位，躯干直立，两腿分开，小腿自然放松，大腿与小腿夹角为90°，脚掌平放于地面，测量非惯用侧小腿最粗壮处周径，单位为cm，精确到0.1 cm，测量2 次，取平均值。

1.2.2 Fried 衰弱表型

Fried 衰弱表型由Fried 等[7]编制，用于评估病人的衰弱状态，包括行走速度减慢、体质量下降、疲乏、握力减弱、体力活动下降5 个维度，每个维度“符合”计1 分，“不符合”计0 分，总分0 分表示无衰弱，1 分或2 分表示衰弱前期，≥3 分表示衰弱。本研究中该量表的Cronbach's α系数为0.868。

1.2.3 肌少症筛查问卷（Sarcopenia-Five Scale，SARC-F）

SARC-F 由Malmstrom 等[12]编 制，王 晓 英[13]于2018 年汉化，是2019 版亚洲肌少症诊断及治疗共识推荐的肌少症筛查工具，包括5 个评估项目，即力量、行走、起身、爬楼梯、跌倒，按照难易程度或者频次依次计0～2 分，总分为0～10 分，≥4 分判定为肌少症。本研究中该量表的Cronbach's α 系数为0.851。

1.2.4 老年抑郁量表简版(Geriatric Depression Scale 15,GDS-15)

GDS-15 由Sheikh 等[14]在GDS-30[15]的 基础上设 计而成，包含15 个条目，受试者需根据过去1 周的情绪感受回答“是”或“否”，总分为0～15 分，得分越高表示抑郁症状越严重，总分≥5 分判定为有抑郁症状。本研究中该量表的Cronbach's α 系数为0.746。

1.2.5 中文版简易智能检查量表（Mini-Mental State Examination，MMSE）

MMSE 由Folstein 等[16]编制，用以评估研究对象认知功能状态，包括定向力、记忆力、注意力及计算力、回忆力、语言能力和执行力6 个维度，共30 个条目，每个条目回答正确计1 分，回答错误或回答不知道计0分，总分为0～30 分，得分越高表示认知功能越好，文盲≤17 分、小学≤20 分、中学及以上≤24 分定义为认知功能障碍[17]。本研究中该量表的Cronbach's α 系数为0.807。

1.2.6 起立走(time up and go，TUG)测试

应用TUG 测试对病人进行运动功能评估，具体方法为：病人坐在标准的椅子上（椅面高约45 cm，扶手高约20 cm），听到“开始”指令后从椅子上站起，以正常速度行走3 m，随后转身走回椅子，坐下并将背部靠于椅背上，必要时可使用辅助设备辅助行走。研究者用秒表记录病人从背部离开椅背到重新坐下背靠椅背的时间。

1.2.7 5 次坐立测试(five-times-sit-to-stand test，FTSST)

病人坐于无扶手有硬质椅背的椅子上，椅背需紧贴墙壁，双上肢交叉放于胸前，双脚平放于地面，测试过程中要求病人站立时双膝关节完全伸直，坐下时臀部完全贴于椅面，病人听到“开始”指令后以最快速度完成5 次起立与坐下动作。研究者用秒表记录病人从开始起立臀部离开椅面到最后1 次臀部接触椅面的时间。

1.3 资料收集方法

资料收集前选取10 名肾内科临床护士进行统一培训，考核合格后方可进行调查。调查过程中由专人负责进行躯体测量。问卷调查采用统一指导语，说明研究目的和意义，获得病人知情同意后签署知情同意书。对部分填写问卷困难者采用问询方式，由研究者代为填写，调查全程不使用暗示性语言，全面、客观记录病人的回答。问卷回收后及时检查问卷作答的完整性，如存在缺项、漏项及时询问补充。本研究共发放问卷270 份，回收问卷270 份，无效问卷10 份，共回收有效问卷260 份，问卷有效率为96.30%。

1.4 统计学方法

采用EpiData 3.1建立数据库，使用IBM SPSS 23.0和R-Studio（4.2.1)进行统计分析和作图。定性资料采用频数、百分比（%）表示，定量资料为正态分布时采用均数±标准差（±s）表示，定量资料为非正态分布时采用中位数（四分位数）[M（P25，P75）] 表示，单因素分析采用Mann-WhitneyU检验、χ2检验、秩和检验。根据单因素分析结果，将P＜0.10的变量纳入Logistic回归分析建立风险预测模型。通过R-Studio（4.2.1)构建列线图模型。采用受试者工作特征（receiver operating characteristic,ROC）曲线分析，计算曲线下面积、灵敏度、特异度、约登指数。采用Hosmer-Lemeshow 检验评价模型的拟合优度，并采用Bootstrap 自抽样法对模型进行内部验证，绘制校正曲线、决策分析曲线(decision curve analysis，DCA)分别评价模型的校准度、临床实用性。

2 结果

2.1 MHD 病人发生衰弱或处于衰弱前期情况

260 例MHD 病人中，衰弱病人62 例(23.85%)，衰弱前期病人144 例(55.38%)，无衰弱病人54 例(20.77%)。将衰弱和衰弱前期作为阳性结局，衰弱及衰弱前期病人共206 例(79.23%)。

2.2 MHD 病人发生衰弱或处于衰弱前期影响因素的单因素分析（见表1）

表1 MHD 病人发生衰弱或处于衰弱前期影响因素的单因素分析（n=260）

2.3 MHD 病人发生衰弱或处于衰弱前期影响因素的多因素分析

以是否发生衰弱或处于衰弱前期为因变量，以单因素分析中P＜0.10 的变量（慢性疼痛、合并2 型糖尿病、久坐行为、认知功能障碍、年龄、TUG测试时间、FTSST时间、SARC-F 得分）为自变量，采用向前-条件逐步选择法进行Logistic回归分析，结果显示，久坐行为、TUG测试时间、FTSST 时间及SARC-F 得分为MHD 病人发生衰弱或处于衰弱前期的影响因素（P＜0.05）。自变量赋值方式见表2，多因素分析结果见表3。

表2 自变量赋值方式

表3 MHD 病人发生衰弱或处于衰弱前期影响因素的多因素分析

2.4 MHD 病人衰弱或衰弱前期风险预测模型的建立

根据多因素Logistic 回归分析确定MHD 病人发生衰弱或处于衰弱前期的独立危险因素，并在此基础上构建预测模型的回归方程：Logit（P）=-4.164+0.777×久坐行为+0.193×TUG 测试时间+0.165×FTSST时间+0.517×SARC-F得分，通过R-Studio（4.2.1）软件绘制列线图，见图1。本研究构建的MHD 病人衰弱或衰弱前期风险预测模型的ROC 曲线下面积为0.819[95%CI（0.763，0.875)]，约登指数最大为0.521，灵敏度为74.3%，特异度为77.8%，诊断值为1.272。Hosmer-Lemeshow 拟合优度检验结果显示,χ2=2.734，P=0.950，表明该回归模型拟合尚可。见图2。

图1 MHD 病人衰弱或衰弱前期风险预测模型

图2 风险预测模型的ROC 曲线

2.5 风险预测模型临床可用性评价

采用Bootstrap 验证方法从原始数据中重复抽样5 000 次，Calibration 校 准 曲 线 见 图3。MHD 病 人 衰 弱或衰弱前期风险预测模型Brier 值为0.130，DCA 图纵坐标表示净获益率，横坐标表示阈值概率，其有两种极端情况：1）所有MHD 病人无衰弱都未进行干预，此时净获益为0，用水平直线线段表示；2）所有MHD 病人发生衰弱或处于衰弱前期且进行干预，此时净获益情况用灰色斜线线段表示。红色曲线不靠近两条极端情况线，且整体靠近右上角，表明利用MHD 病人衰弱或衰弱前期风险预测模型对MHD 病人中发生衰弱或处于衰弱前期的高危人群进行干预具有临床应用价值。见图4。

图3 预测模型校准曲线图

图4 预测模型的DCA 曲线图

3 讨论

3.1 MHD 病人发生衰弱或处于衰弱前期情况

本研究共调查德阳市人民医院260 例MHD 病人，衰弱病人62 例，衰弱发生率为23.85%，与应金萍等[18]研究结果（23.5%）相近，与既往流行病学调查结果（14%～73%）[19]一致。但本研究结果高于许丽娟等[20]报道的社区老年人衰弱发生率（10.6%），原因可能为:本研究调查的MHD 病人长期透析，常处于微炎症状态，伴有贫血、营养不良、骨矿物质代谢异常和心理问题，易出现肌肉质量和力量下降，衰弱发生率相对较高。美国一项研究显示，透析肾小球滤过率估算值增加5 mL/（min·1.73 m2），病人衰弱风险将提高到原来的1.44 倍[21]。同时，本研究结果显示，衰弱前期病人144例，占调查病人的55.38%，与李克佳等[22]研究结果（51.7%）相近。衰弱前期作为衰弱的过渡阶段，提示存在很大的潜在风险。医务人员不仅需识别衰弱病人，对衰弱病人进行积极干预，还应关注衰弱前期病人，早期发现并及时干预，降低衰弱发生风险。

3.2 MHD 病人发生衰弱或处于衰弱前期影响因素

近年来，国内外学者开展了大量MHD 病人衰弱影响因素研究，如吴淑琳等[11]纳入9 篇文献进行Meta分析，结果显示，年龄、性别、糖尿病、周围血管疾病、心脏疾病、脑血管疾病、血清白蛋白是MHD 病人衰弱的主要影响因素；朱亚杰等[23]提出衰弱的发生与肌少症密切相关，肌少症低危是血液透析病人衰弱的保护因素。本研究结果显示，久坐行为、TUG 测试时间、FTSST 时间及SARC-F 得分为MHD 病人发生衰弱或处于衰弱前期的影响因素（P＜0.05）。TUG 测试时间和FTSST 时间能够分别反映病人运动功能和下肢肌力，久坐行为能够反映病人活动水平，MHD 病人久坐、TUG 测试时间长、FTSST 时间长与肌少症往往伴随发生，能够综合反映病人身体基本情况，有效提示病人衰弱发生情况或是否处于衰弱前期。

3.2.1 久坐行为

本研究结果显示，久坐行为是MHD 病人发生衰弱或处于衰弱前期的影响因素（P＜0.05）。久坐病人长期处于低体力活动水平，炎症生物标志物易处于较高水平，从而影响肌肉质量、肌肉力量和功能，进而造成虚弱、体质量下降和体力活动下降，增加衰弱风险[24]。已有研究表明，久坐与衰弱独立相关，是衰弱的危险因素，可以作为筛查衰弱的潜在指标[25-26]。应鼓励MHD 病人减少久坐，进行适当的体育锻炼，从而预防和改善衰弱的发生和发展。

3.2.2 TUG 测试时间

本研究结果显示，TUG 测试时间较长的MHD 病人发生衰弱或处于衰弱前期的风险较大，与McGough等[27-28]的研究结果相似。原因可能为:TUG 测试能够评估病人运动功能，TUG 测试时间长的病人常表现为步速减慢和步态不稳，步速减慢是肌肉功能减退的危险因素，会引起病人活动能力和执行能力下降，在一定程度上反映病人的衰弱状况。

3.2.3 FTSST 时间

本研究结果显示，FTSST 时间较长的MHD 病人发生衰弱或处于衰弱前期的风险较大。陶晓春等[29]研究发现，FTSST 时间与衰弱相关，对衰弱诊断有较好的敏感性，与本研究结果相似。原因可能为:FTSST能够评估病人下肢肌肉力量，而肌肉力量和功能独立性是衰弱程度的决定因素[30]，FTSST 时间长的病人肌肉力量下降，活动受限，更容易发生衰弱。可组织MHD 病人在血液透析期间进行床上脚踏车运动，血液透析间期进行太极拳和八段锦等锻炼，从而增强下肢肌肉力量，预防衰弱发生。

3.2.4 SARC-F 得分

本研究结果显示，SARC-F 得分较高的MHD 病人发生衰弱或处于衰弱前期的风险较大，即肌少症病人更易发生衰弱或处于衰弱前期。与Nishiguchi 等[31]研究结果相似。原因可能为：肌少症一方面可使血液透析病人肌力和肌肉质量下降、身体机能降低，另一方面可间接导致病人运动减少、疲乏等，最终发展为衰弱[32]。MHD 病人肌少症发生率较高，已有研究显示，我国血液透析病人肌少症患病率为32%[33]。因此，医务人员应重点关注MHD 病人肌少症的预防和治疗，加强对MHD 病人的运动干预和营养管理，减少衰弱发生。

3.3 MHD 病人衰弱或衰弱前期风险预测模型的预测价值

本研究根据多因素分析结果构建列线图模型，纳入指标包括久坐行为、TUG 测试时间、FTSST 时间及SARC-F 得分，在临床容易获取。医务人员可根据病人以上指标计算MHD 病人发生衰弱或处于衰弱前期的风险，模型的ROC 曲线下面积为0.819[95%CI（0.763，0.875)]，＞0.7，提示该模型有较高的预测能力。选择诊断值为1.272 时，模型灵敏度为74.3%，特异度为77.8%，说明该模型具有良好的区分能力。拟合优度检验结果显示，χ2=2.734，P=0.950，说明该模型预测概率与实际发生概率接近，具有较高的准确性。因此，本研究构建的MHD 病人衰弱或衰弱前期风险预测模型具有较高的预测价值。根据不同级别的衰弱风险，可以实行不同频次的病人评估、监测和针对性的健康教育，开展相应的干预措施，有利于合理分配医疗资源，优化人力资源管理。对衰弱高风险病人进行积极的一级预防，指导病人加强运动锻炼、改变不良生活方式、改善营养状况和积极处理原发病等可以预防和延缓衰弱发生，降低病人住院率，减轻病人经济负担。

4 小结

本研究构建的模型能够有效预测MHD 病人衰弱及衰弱前期的发生风险，方法简单、经济且实用，对临床工作具有一定的指导价值。本研究为单中心研究，样本量相对较小，未能将所有影响因素全部纳入，可能对研究结果有一定的影响。在今后的研究中可以扩大样本量，实施多中心调查。同时由于衰弱涉及营养、运动、疾病、心理状况等方面，可以对MHD 病人建立多学科协作团队管理。