首页|老年人衰弱风险因素分析及预测模型构建

老年人衰弱风险因素分析及预测模型构建

扫码查看
原文链接
  • 万方数据
  • 维普
目的 探讨老年人衰弱的风险因素并构建风险预测模型，为早期干预老年人衰弱提供参考。方法 回顾性收集150例衰弱老年人作为衰弱组，150例同期非衰弱老年人作为非衰弱组。收集所有受试者临床资料，包括性别、年龄、BMI、吸烟情况、饮酒情况、多病共存情况、多重用药情况等一般资料以及匹兹堡睡眠质量指数(PSQI)评分、焦虑自评量表(SAS)评分、抑郁自评量表(SDS)评分、日常生活能力量表(ADL)评分、微型营养评估量表简化版(MNA-SF)评分。比较衰弱组与非衰弱组临床资料，采用多因素Logistic回归分析老年人衰弱的独立风险因素。采用R语言绘制老年人衰弱的风险预测模型，受试者工作特征(ROC)曲线及曲线下面积(AUC)、校准曲线评价模型的预测效能及校准度，Hosmer-Lemeshow检验评价模型的拟合优度，决策曲线评价模型的临床应用价值。结果 两组年龄、BMI、多病共存情况、多重用药情况、居住情况、家庭月收入、收支情况、PSQI评分、ADL评分、MNA-SF评分比较具有统计学差异(P均<0。05)。多因素Logistic回归分析结果显示，年龄、多病共存、多重用药、PSQI评分、ADL评分及MNA-SF评分为老年人衰弱的独立风险因素(P均<0。05)。根据多因素Logistic回归分析结果建立老年人衰弱的风险预测模型:Logit(P)=-7。905+0。092×年龄+0。721×多病共存+1。504×多重用药+0。701×PSQI评分+1。232×ADL评分+1。731×MNA-SF评分。ROC曲线分析结果显示，风险预测模型预测老年人衰弱的AUC为0。883(95%CI 0。841～0。917，P<0。05);校准曲线分析结果显示，风险预测模型的校准曲线与理想曲线贴合度良好;Hosmer-Lemeshow检验P=0。792;决策曲线分析结果显示，风险预测模型曲线高于两条极端曲线。结论 年龄、多病共存、多重用药、PSQI评分、ADL评分、MNA-SF评分为老年人衰弱的独立风险因素，基于这些因素建立的风险预测模型对老年人衰弱的预测效能良好。

毛菊丹·阿扎提、古丽班努、穆克达斯·阿布力提甫、韩婷

展开 >

新疆维吾尔自治区人民医院老年医学中心,乌鲁木齐 830000

老年疾病 衰弱 风险因素 预测模型

新疆维吾尔自治区自然科学基金资助项目

2021D01C144

2024

10.3969/j.issn.1002-266X.2024.29.019

山东医药
山东卫生报刊社

山东医药

CSTPCD
影响因子：1.225
ISSN：1002-266X
年,卷(期)：2024.64(29)