居住在秘鲁高海拔安第斯地区社区的老年人群中，抑郁脆弱表型与跌倒发生率之间的关联：Aunqui-Andes研究的结果

《Geosystems and Geoenvironment》：Association between depressed frail phenotype and fall prevalence in older adults residing in a high-altitude Peruvian Andean community: Results from the Aunqui-Andes study

本研究针对四川地区5家医院老年多重慢性病患者，通过Python构建逻辑回归、决策树和随机森林模型，发现随机森林模型准确率最高（0.917），AUC达0.933，为临床护理风险预测提供新工具。

　　

王毅|叶子伟|李饶|袁莉|杨晓玲|吕静|何婷

四川大学华西医院老年医学科及国家老年医学临床研究中心 / 四川大学华西护理学院，成都610041，中国

摘要

目的

构建一个针对患有多种慢性疾病的老年住院患者的综合护理风险模型，以识别护理风险。

方法

本研究于2020年3月至2022年6月在中国四川省进行。我们使用Python构建了逻辑回归、决策树和随机森林模型。

结果

研究共纳入4458名患者，其中2529名为男性（56.7%），平均年龄为74.31±6.79岁。老年住院患者平均患有2.81±0.96种慢性疾病。高血压（67.0%）、糖尿病（43.4%）和冠心病（31.4%）是患病率最高的三种疾病。有552名（12.4%）患者发生了护理风险事件。随机森林模型具有最佳的综合预测能力，在训练集中其准确率（0.917）、精确度（0.667）、召回率（0.706）、Macro-F1分数（0.933）和AUC值（0.933，95%置信区间：0.924–0.943）均最高。

结论

随机森林模型（AUC=0.933）的表现优于逻辑回归和决策树模型，显示出其在临床应用中的巨大潜力。

引言

由于医疗条件的改善以及社会和经济发展，老年人的寿命延长。这导致了人口老龄化，成为中国乃至全球的公共卫生问题。根据中国第七次人口普查数据，60岁及以上的人口已达到2.64亿，占总人口的18.7%，较2010年增长了5.4%。¹随着年龄的增长，人们的身体功能逐渐衰退，需要更多的医疗护理。²中国老龄化人口带来了严重的健康挑战。

随着年龄的增长，人体器官逐渐退化，自我防御能力减弱，使人更容易患上慢性疾病，即共病或多重慢性病（MCCs）。³耶鲁大学的Feinstein教授首次提出了共病的概念，指的是患者同时患有两种疾病。³世界卫生组织（WHO）在2008年将MCCs定义为两种或更多慢性疾病的共存，这些疾病可能对个人的日常生活产生负面影响，持续时间至少为一年。⁴根据国家卫生统计中心（NCHS）的数据，65岁及以上人群中MCCs的患病率为63.7%。⁵中国是老龄化最严重的国家之一。一项针对11,698名60岁以上老年人的研究发现，中国慢性疾病的患病率为69.13%，其中MCCs的患病率为43.65%，^6,7另有研究显示MCCs的患病率为53.2%，这表明中国当前MCCs的情况非常严峻。

护理风险事件是指可能导致患者受伤、残疾或死亡的异常护理事故，例如跌倒、深静脉血栓等，也称为不良护理事件。⁸这些事件会严重影响患者的康复，甚至引发医疗和护理纠纷。Brennan的研究发现，在纽约的51家医院中，3.7%的住院病例发生了不良事件。⁹更重要的是，2.6%的患有不良事件的患者出现了永久性残疾，13.6%的患者死亡。⁹护理风险事件可能带来严重后果。此外，先前的研究证实，由于老年人的健康状况较差和认知能力下降，他们发生护理风险事件的风险更高。¹⁰

与患有单一疾病的老年人相比，患有多重慢性病的老年人更容易发生多种护理风险事件，如跌倒。护理风险事件会增加疾病负担，严重影响老年患者的预后和生活质量，这也是当前医疗体系的关注重点。¹¹医务人员可以通过及时有效地识别高风险患者，减少患有多重慢性病的老年住院患者的护理风险事件。现有的风险评估工具由于评估内容单一或针对性不足，无法进行全面评估。作为一种多维度的数据挖掘方法，机器学习使计算机能够模拟或实现人类的学习行为，从而构建能够分析和处理新数据的模型。¹²它在医疗护理领域得到了广泛应用。与传统评估工具相比，机器学习在处理复杂非线性数据和适应动态变化方面表现更好，¹³实现了以患者为中心的整体护理实施和管理，提高了临床护士的工作效率，并最大限度地减少了护理风险事件的发生。因此，本研究旨在构建一个针对患有多重慢性病的老年住院患者的护理风险模型，为风险分类管理提供依据。

研究设计、地点和样本

本研究采用多中心前瞻性横断面研究设计。2020年3月至2022年6月期间，在中国四川省5家综合医院的内科病房对患有多重慢性病的老年人患者进行了观察性研究。根据数据收集的时间顺序，前70%的数据用于模型训练和验证，剩余30%的数据用于构建测试集。纳入标准：(a) 患有≥2种慢性疾病的患者

结果

本研究共纳入4458名患有多重慢性病的老年住院患者，其中42份问卷质量较低，86份问卷的删除率超过20%，最终剩余4458份有效问卷，有效问卷回收率为97.2%。

讨论

研究结果表明，年龄是护理风险事件发生的一个风险因素。随着年龄的增长，人体器官逐渐退化，老年人更容易患上慢性疾病。⁷一些学者指出，与普通住院患者相比，老年患者发生不良护理事件的风险更高，这可能导致治疗效果下降、住院时间延长，甚至死亡。²⁰临床工作者应

局限性

本研究仅限于中国四川省，且研究对象为三级甲等医院。未来的研究可以扩展到全国范围内的多中心调查，涵盖不同级别的医院。此外，目前国内外的相关文献较少。在数据收集初期和模型构建过程中可能存在选择特征方面的局限性。

结论

研究结果表明，逻辑回归、决策树和随机森林模型的预测性能均令人满意，其中随机森林模型的表现最佳。目前国内外的相关文献较少，关于构建护理风险事件综合评估模型的研究较少。本文为未来构建护理风险事件预测模型提供了基础。然而，大多数医务人员，尤其是护士，对此仍缺乏足够的认识。

资助

本研究得到了四川省科技计划重点研发项目（2022YFS0271）、四川省干部健康研究项目（2022–107）和四川省干部健康研究项目（2023–126）的支持。

数据和材料的获取

本研究使用和/或分析的数据集可向相应作者提出合理请求后获取。

伦理批准和参与同意

所有受试者在了解研究目的和意义后自愿接受问卷调查，并签署了知情同意书。本研究获得了四川大学华西医院生物医学伦理委员会的批准（批号：2019 Review [1052]）。

作者贡献声明

王毅：撰写 – 审稿与编辑，撰写 – 原稿撰写，数据整理，概念构建。叶子伟：撰写 – 审稿与编辑，撰写 – 原稿撰写，数据整理，概念构建。李饶：撰写 – 审稿与编辑。袁莉：撰写 – 审稿与编辑，项目管理。杨晓玲：数据验证，调查，数据分析。吕静：数据验证，调查，数据分析。何婷：数据整理。