摘要
目的 本研究旨在从生物-心理-社会医学角度探索老年心力衰竭（Heart Failure, HF）患者衰弱现状及衰弱相关影响因素，构建老年 HF 患者衰弱风险预测模型，以早期识别老年 HF患者衰弱的高危个体，为临床医务人员制定个性化干预措施以延缓衰弱进展提供参考依据。 方法 1. 通过文献回顾，系统性检索国内外数据库中有关老年 HF 患者衰弱的影响因素的文献，归纳总结出影响老年HF患者衰弱的相关影响因素。 2. 根据纳排标准选取于 2022 年 9 月至 2023 年 10 月在江苏省南通市某三甲医院心血管内科病房住院的426例老年HF患者为研究对象。使用一般情况调查表、Fried 衰弱表型量表（Fried Frailty Phenotype, FFP）、查尔森合并症指数（Charlson Comorbidity Index, CCI）、营养风险筛查-2002 （Nutritional Risk Screening -2002, NRS-2002）、简易智能精神状态检查量表（Mini-Mental State Examination, MMSE）、抑郁自评量表（Self-Rating Depression Scale, SDS）、中文版杜克活动状况指数（Chinese Version of Duke Activity Status Index, DASI）及社会支持评定量表（Social Support Rate Scale, SSRS）对老年 HF患者衰弱相关影响因素进行调查。首先，使用 SPSS 26.0对相关影响因素进行单因素分析。其次，使用R 4.3.1 软件将单因素分析中差异有统计学意义的变量进行LASSO回归进一步筛选。运用随机的方式，按7∶3比例将426例患者划分为训练集和测试集。最终以LASSO回归结果为基础，在训练集中运用Logistic回归分析、决策树及随机森林3种算法分别构建衰弱的风险预测模型，在测试集中验证。使用受试者工作曲线下面积（Area Under Curve, AUC）、分类正确率、灵敏度、特异度、阳性预测值、阴性预测值对3个模型进行综合评价，采用Hosmer-Lemeshow检验对 Logistic 模型的拟合度进行评价。通过比较模型在测试集中的性能选出最佳模型。 结果 1. 文献回顾结果：共检索到 1098 篇文献，根据文献纳排标准，最终纳入16篇文献，结合小组讨论，进一步将影响因素归纳为一般人口学资料、生物相关资料和心理社会相关资料，实际选取相关影响因素共23个。 2. 衰弱发生率：根据 FFP 衰弱诊断标准，老年 HF 患者衰弱发生率为45.54%（194/426）。 3. 单因素分析结果：在一般人口学资料方面，年龄、性别、文化程度、BMI、用药数目及住院天数在衰弱组和非衰弱组差异有统计学意义（P＜0.05）；在生物相关资料方面，血红蛋白、白蛋白、肌酐、NT-proBNP、胆碱酯酶、左心房内径、心功能分级、CCI评分、DASI评分、营养风险及认知功能方面在两组间差异有统计学意义（P＜0.05）；在心理社会相关资料方面，SDS评分及SSRS评分在两组间差异有统计学意义（P＜0.05）。 4. LASSO 回归筛选结果：将单因素分析中差异有统计学意义的 19 个变量纳入LASSO回归，最终筛选出年龄、左心房内径、白蛋白、DASI评分、SDS评分、SSRS评分、胆碱酯酶及用药数目这8个变量。 5. 预测模型的建立与评价： Logistic回归模型最终筛选出的变量为年龄、左心房内径、SDS评分、白蛋白、DASI 评分和 SSRS 评分。其中高龄、左心房内径较大、高 SDS评分为老年HF患者衰弱发生的危险因素，高白蛋白水平、高DASI评分、高 SSRS 评分为老年 HF 患者衰弱的保护因素，并构建了列线图模型。Logistic回归模型在测试集的AUC为0.898，分类正确率为84.25%，灵敏度为 82.76%，特异度为 85.51%，阳性预测值为 82.76%，阴性预测值为85.51%。Hosmer-Lemeshow检验结果显示，x²值=9.628，P=0.292（P＞0.05），说明模型拟合效果较好。 决策树模型共生成1个根节点，5个内部节点，7个叶节点，深度为5层，形成12条决策路径。最终筛选出的变量为DASI评分、SDS评分、年龄、左心房内径和白蛋白。决策树模型在测试集的AUC值为0.825，分类正确率为 77.95%，灵敏度为 68.97%，特异度为 85.51%，阳性预测值为80.00%，阴性预测值为76.62%。 随机森林结果显示DASI评分、SDS评分、年龄、胆碱酯酶、SSRS评分和白蛋白水平是影响较大的预测因子。随机森林模型在测试集的 AUC为0.903，分类正确率为83.46%，灵敏度为82.76%，特异度为84.06%，阳性预测值为81.36%，阴性预测值为85.29%。 结论 1. 老年 HF 患者衰弱发生率高，应将其纳入 HF 患者的临床评估。 2. 基于 3种算法构建的老年HF患者衰弱的风险预测模型预测效能良好。根据模型在测试集的效果分析，从 AUC 值来看，随机森林模型优于 Logistic 回归模型和决策树；从灵敏度来看，Logistic 回归模型与随机森林模型一致；从特异度来看，Logistic 回归模型与决策树模型一致。但从阳性预测值、阴性预测值及分类正确率来看，Logistic模型均优于决策树和随机森林。总体来讲 Logistic 回归模型为最佳的预测模型。 3. Logistic 回归模型得出最终影响老年 HF患者衰弱的因素分别为：年龄、左心房内径、SDS评分、白蛋白、DASI评分和SSRS评分，并绘制了可视化的列线图，模型拟合度较好，为早期快速准确的发现具有衰弱风险的高危患者提供参考依据。
NETL