首页 > 论文范文 > 医药卫生论文 > 内科论文 > 心力衰竭论文 > 老年心力衰竭病人衰弱的影响因素及风险预测模型构建

老年心力衰竭病人衰弱的影响因素及风险预测模型构建

2023-08-02 314 上传者：管理员

摘要：调查老年心力衰竭病人衰弱的影响因素，并构建风险预测模型。方法:选取2021年8月—2022年10月在兰州市某三级甲等医院心内科及老年病科住院的335例老年心力衰竭病人作为研究对象，将其分为建模组（223例）和验证组（112例）。应用Logistic回归分析老年心力衰竭病人发生衰弱的影响因素并建立风险预测模型。采用Hosmer-Lemeshow拟合优度检验和受试者工作特征曲线验证模型的拟合优度及预测效能。结果:多因素分析结果显示，年龄、跌倒史、Charlson合并症指数问卷（CCI）评分、日常生活能力量表（ADL）评分是老年心力衰竭病人发生衰弱的影响因素。基于以上因素构建老年心力衰竭病人发生衰弱的风险预测模型，Hosmer-Lemeshow拟合优度检验显示，χ2=2.696,P=0.952；受试者工作特征曲线下面积为0.949[95%CI(0.912,0.987)]；模型最大Youden指数为0.744，最佳临界值为0.452 7，敏感度为0.824，特异度为0.920。结论:老年心力衰竭病人发生衰弱的风险预测模型预测效果较好。

关键词：
影响因素
心力衰竭
老年人
衰弱
风险预测模型
加入收藏

心力衰竭（heart failure,HF）是各种心脏疾病的严重和终末阶段，具有患病率高、病死率高、再住院率高等特点，已经成为影响我国居民健康的重要公共卫生问题[1]。已有研究显示，在我国25岁及以上人群中，心力衰竭标准化患病率为1.1%，估计现有心力衰竭病人1 205万人，每年新发心力衰竭病人297万人[2]。衰弱是目前老年医学研究的热点问题，是指老年人生理储备下降导致机体易损性增加、抗应激能力减退的非特异性状态[3]。衰弱老年人遭受外界较小刺激即可发生一系列负性临床事件[4]，进而导致跌倒、残疾、住院和死亡风险增高。相关研究显示，我国老年慢性心力衰竭病人衰弱发病率为18%～54%[5]，且已有研究证实衰弱是老年心血管疾病不良结局的强烈预测因子，与病死率明显相关，两者共同作用可导致老年人群的健康状态进一步恶化[6]。尽早识别衰弱并进行早期干预是降低老年心力衰竭病人衰弱发生率的关键。目前，我国关于心力衰竭病人衰弱的研究较少，本研究旨在调查分析老年心力衰竭病人衰弱现状及危险因素，构建风险预测模型，为医护人员提供老年心力衰竭病人衰弱的早期风险预测工具。

1、对象与方法

1.1研究对象

选取2021年8月—2022年10月在兰州市某三级甲等医院心内科及老年病科住院的心力衰竭病人作为研究对象。纳入标准：1）年龄≥60岁；2）住院病人；3）符合《中国心力衰竭诊断和治疗指南2018》诊断标准；4）纽约心脏协会（NYNA）心功能分级为Ⅲ级或Ⅳ级；5）能够正常沟通；6）知情同意，自愿参与本研究。排除标准：1）患有危重症、肿瘤晚期、慢性疾病终末期、严重心律失常；2）长期卧床、重度失能、无法行走；3）患有帕金森综合征、痴呆、残疾或严重精神障碍等。参照多因素Logistic回归的样本量粗略估算方法，结局变量中比例较少的一类，样本量应至少为自变量个数的10倍[7]，结合文献资料，心力衰竭人群中衰弱患病率为44.5%[8]，故本研究进行建模所需样本量至少应为223例。根据Logistic回归建模要求，建模样本量约为总样本量的2/3，验证样本量约为总样本量的1/3，故纳入病人223例用于模型的构建，112例用于模型的验证。本研究已通过医院伦理委员会审查，病人均知情同意。

1.2研究方法

1.2.1衰弱判断方法

已有研究表明，Tilburg衰弱评估量表（TFI）对心力衰竭病人衰弱具有特异性，评估得到的患病率更高[9]。本研究选择TFI作为衰弱判断工具，该量表包括躯体衰弱（身体健康、自然的体重下降、行走困难、平衡、视力问题、听力问题、握力、疲劳感）、心理衰弱（记忆力、抑郁、焦虑、应对能力）、社会衰弱（独居、社会关系、社会支持）3个维度，共15个条目，各条目采用二分类计分法，总分为0～15分，5分及以上为衰弱，得分越高表示衰弱程度越重。

1.2.2资料收集方法

通过医院病历系统收集病人一般资料，包括年龄、性别、婚姻状况、文化程度等；临床资料及实验室指标，包括心功能分级、血红蛋白、尿酸、血肌酐、左室射血分数（LVEF）、N末端脑利钠肽前体（NT‐pro BNP）、Charlson合并症指数问卷（CCI）评分等；同时，研究者一对一询问病人吸烟史、饮酒史、跌倒史、睡眠情况、居住情况、体育活动、用药种类、住院次数等信息，并以日常生活能力量表（ADL）为工具对病人进行评估，ADL评分中“自己完全可以做”计1分，“有些困难”计2分，“需要帮助”计3分，“根本无法做”计4分，得分越高表明自理能力越差，衰弱程度越高。

1.3统计学方法

采用Epi Data 3.1软件对数据进行录入，采用SPSS 24.0软件对数据进行分析。正态分布的定量资料采用均数±标准差（±s）表示，组间比较采用t检验；非正态分布的定量资料采用中位数（四分位数）[M(P25,P75）]表示，组间比较采用秩和检验；定性资料采用频率和百分比（%）表示，组间比较采用χ2检验，等级资料采用秩和检验；以是否存在衰弱为因变量，将所有自变量纳入单因素分析，将单因素分析中有统计学意义的变量进一步纳入Logistic回归进行多因素分析，建立Logistic回归预测模型。采用Hosmer‐Lemeshow检验和受试者工作特征（receiver operating characteristic,ROC）曲线评价模型的拟合优度和预测能力；以敏感度、特异度验证模型的应用效能。检验水准α=0.05，以P<0.05为差异有统计学意义。

2、结果

2.1病人一般资料

335例病人中，男152例，女183例；年龄（77.68±8.45）岁。TFI评分结果显示，179例（53.4%）病人存在衰弱，156例(46.6%）病人非衰弱。

2.2老年心力衰竭病人衰弱影响因素的单因素分析

建模组223例病人中，122例病人TFI评分结果显示存在衰弱，101例病人非衰弱。以是否发生衰弱为因变量，对老年心力衰竭病人衰弱的影响因素进行单因素分析，结果见表1。

表1老年心力衰竭病人衰弱影响因素的单因素分析（n=223)

2.3老年心力衰竭病人衰弱影响因素的多因素分析

以是否发生衰弱为因变量（否=0，是=1），进入模型标准为0.05，移除标准为0.10，将单因素分析中有统计学意义的变量（年龄、婚姻状况、居住情况、跌倒史、心功能分级、住院次数、CCI评分、ADL评分）纳入Logistic回归中进行多因素分析，结果显示，年龄、跌倒史、CCI评分、ADL评分是老年心力衰竭病人发生衰弱的影响因素。自变量赋值方式见表2。老年心力衰竭病人衰弱影响因素的多因素分析结果见表3。

表2自变量赋值方式

表3老年心力衰竭病人衰弱影响因素的Logistic回归分析

2.4老年心力衰竭病人衰弱风险预测模型的构建

基于老年心力衰竭病人发生衰弱的影响因素（年龄、跌倒史、CCI评分、ADL评分），使用R软件建立列线图预测模型，见图1。每个变量做垂线对应列线图得分轴上相应的分值，各变量分值之和对应在衰弱风险轴上的数值即为衰弱风险的预测值，总分越高，老年心力衰竭病人发生衰弱的风险越高。

图1老年心力衰竭病人发生衰弱的风险预测模型

2.5老年心力衰竭病人衰弱风险预测模型的验证

釆用Hosmer‐Lemeshow检验进行一致性评价，检验结果显示，χ2=2.696,P=0.952，说明该模型的预测能力与实际发生率较一致，有较好的拟合度；ROC曲线下面积（AUC）为0.949[95%CI(0.912,0.987）]，见图2。计算得到老年心力衰竭病人发生衰弱的风险预测模型最大Youden指数为0.744,其对应列线图模型中风险概率最佳界值为0.452 7，此时，敏感度为0.824，特异度为0.920。

图2老年心力衰竭病人衰弱风险预测模型ROC曲线

3、讨论

3.1老年心力衰竭病人发生衰弱的影响因素分析

本研究通过查阅文献收集可能的影响因素，为了使研究结果更准确并避免各因素间的交叉作用，采用单因素分析初步筛选出可能影响衰弱的危险因素，再通过多因素Logistic回归分析校正，最终筛选出4个心力衰竭病人发生衰弱的影响因素，即年龄、跌倒史、CCI评分、ADL评分。

3.1.1年龄

本研究结果显示，年龄越大发生衰弱的风险越高，与多项研究结果[10,11]一致。随着年龄增长，老年人健康状况和身体功能逐渐下降，活动量减少，对外界的应激能力减退，免疫系统功能下降，从而使衰弱发生率增高或使衰弱程度更严重[12]。同时，老年病人常患有慢性疾病，如糖尿病、高血压、缺血性损伤等，加之其心脏再生功能和内源性修复能力有限，使病人心脏储备受损程度更大，故年龄成为老年心力衰竭病人衰弱风险增加的原因之一。此外，高龄老年人多重用药、多病共存的情况较常见，长期服用多种药物引起的肝肾毒性损伤以及其他药物的副作用都可能导致衰弱发生。提示医护人员应提高对老年心力衰竭病人的重视，早期进行衰弱筛查并及时采取预防措施，如积极进行衰弱管理、适当进行散步等有氧运动、增强肌肉力量、调整饮食结构加强营养等，从而改善衰弱状况。

3.1.2跌倒史

本研究结果显示，有跌倒史的老年心力衰竭病人发生衰弱的风险是无跌倒史病人的3.243倍（OR=3.243），与多项研究结果[13,14]相似。李晓飞等[15]通过对1 400名老年人展开衰弱状况调查，结果表明，处于衰弱及衰弱前期的大部分老年人在近1年内有过跌倒史。心力衰竭病人多伴有疲乏、下肢水肿及呼吸困难等症状，加之衰弱病人特有的肌肉力量持续下降、步态速度不断减缓、步态变异性增加，从而使合并衰弱的心力衰竭病人更容易发生跌倒[16]。此外，部分有跌倒史的病人处于独居状态，日常生活中缺少别人的协助，这可能也是导致跌倒事件发生的原因之一。提示医护人员在对老年人进行健康管理时，应对老年人进行综合评估，不仅需要评估病人的衰弱状态，同时要评估其有无跌倒风险，高度重视有跌倒史的老年人，及时进行安全指导，预防跌倒事件的发生。

3.1.3合并症

本研究结果显示，多病共存是老年心力衰竭病人发生衰弱的危险因素。卓裕丰等[17]研究发现，合并症数量是衰弱的影响因素，不同系统疾病可能会通过不同病理生理途径参与老年人衰弱的发展并相互影响。老年心力衰竭病人常伴发多种疾病，如慢性阻塞性肺疾病（COPD）、糖尿病、脑卒中等。当机体同时存在多种慢性病时，各种慢性病病理状态相互影响，具有协同损伤血管内皮细胞的作用，加重大脑缺血缺氧程度，使机体各器官生理功能加速衰退[18]，且多种疾病共存使病人身体处于十分虚弱及慢性消耗状态，各器官的耐受及抵抗能力迅速减弱，导致衰弱发生[19]。因此，医护人员应充分重视多病共存老年心力衰竭病人，成立多学科专业团队，全面评估病人健康状况，积极管理老年人现患共病，从而提高病人生活质量。

3.1.4日常生活能力

本研究结果显示，老年心力衰竭病人自理能力越差，越容易发生衰弱。既往研究表明，衰弱与老年人日常生活能力密切相关[20]。Fried等[21]研究显示，功能障碍和衰弱两者相互影响，功能障碍可加重衰弱程度，反之，衰弱又进一步加剧功能障碍。合并衰弱的老年心力衰竭病人日常生活能力更差的原因可能是：首先，随着年龄增长，衰弱病人生理功能减退，自我照顾能力降低，可能出现健忘、视听障碍、失能和更多的并发症，从而导致病人日常生活能力下降；其次，由于大多数心力衰竭病人容易出现劳累后呼吸困难、下肢水肿、疲乏等症状，且症状反复出现，严重限制了病人日常生活；此外，病人长期受疾病折磨，极易出现焦虑、抑郁等心理问题，身心同时受累，合并衰弱的心力衰竭病人上述症状更为严重，从而使心力衰竭病人的日常生活能力下降[22]。提示在心力衰竭病人病程的每个阶段进行衰弱评估，可以识别病人是否有较高的残疾风险和不良结局指标，从而尽早采取针对性的干预措施，减轻衰弱负担并改善临床结局。

3.2老年心力衰竭病人衰弱风险预测模型的预测效果较好

本研究采用Hosmer‐Lemeshow评价模型的拟合优度，结果显示差异无统计学意义，说明预测模型的预测能力与实际发生率较一致，有较好的拟合度。AUC为0.5～0.7时，表示预测效果低；AUC>0.7～0.9时，表示预测效果中等；AUC>0.9时，表示预测效果好[23]。本研究构建的老年心力衰竭病人发生衰弱的风险预测模型AUC为0.949[95%CI(0.912,0.987）]，临界值为0.452 7时Youden指数最大，为0.744，此时，敏感度为0.824，特异度为0.920，表明模型具有较强的预测能力和鉴别能力。

4、小结

老年心力衰竭病人衰弱发生率相对较高，构建的风险预测模型有较强的敏感度和特异度，可为临床评估老年心力衰竭病人衰弱提供参考。但由于本研究所纳入的老年心力衰竭病人仅为1所医院的病人，其推广应用受到一定的限制，为使研究结果更具代表性和推广性，未来应进行多中心、多区域的扩大研究。

参考文献:

[1]国家心血管病医疗质量控制中心专家委员会心力衰竭专家工作组.2020中国心力衰蝎医疗质量控制报告[J].中国循环杂志,2021,36(3):2

[2]中国老年医学学会心电及心功能分会,中国医师协会心血管内科分会中国心衰中心联盟专家委员会慢性心力衰蝎加重患者的综合管理中国专家共识2022[J]中国循环杂志,2022,37(3):

[3]石亚丽,张颖,王书衰弱与老年慢性心力衰蝎的相关性分析[J]医学信息,2021,34(5):

[6]刘慧珍,马丽娜衰弱对老年人心血管疾病影响的研究进展[J]疑难病杂志,2017,16(8):

[7]李洁成年血友病患者跌倒危险因素研究及风险预测模型构建[D]北京:北京协和医学院,2020.LI J.

[9]迟俊婷衰弱对慢性心力衰竭患者生活质量及预后影响的研究[D]兰州:兰州大学,2021.CHI

[10]陈颖仪衰弱对老年高血压患者血压及预后影响的观察[D]广州:广州医科大学,2018.CHEN Y Y.

[11]侯苹,薛慧萍,吴琳凤,等老年人衰弱影响因素的Meta分析[]中国老年学杂志,2019,39(6): 1385-1389.HOU P, XUEHP, WULF, eta

文章来源:宋煜,丁劲,葸英博等.老年心力衰竭病人衰弱的影响因素及风险预测模型的构建[J].护理研究,2023,37(14):2538-2543.