日本社区居住的老年人脆弱性轨迹与死亡率预测：一项比较基于时间和基于年龄模型的队列研究

《Archives of Public Health》：Frailty trajectories and mortality prediction among Japanese community-dwelling older adults: a cohort study comparing time-based and age-based models

　　

摘要

背景

基于群体的轨迹模型（GBTM）可以采用时间依赖或年龄依赖的方法来识别虚弱轨迹；然而，这些方法在死亡率预测方面的相对有效性仍不清楚。本研究旨在比较基于时间和基于年龄的轨迹模型在识别日本社区居住的老年人群体中的虚弱轨迹及其对死亡率的预测价值。

方法

在1085名年龄≥65岁的社区居住老年人中，选取了512名在2011年至2017年间至少接受了两次虚弱评估且保持独立生活的参与者。虚弱程度通过Kihon筛查表进行评估。时间和基于年龄的GBTM均使用了2011年、2014年和2017年的数据来识别轨迹。采用Cohen的Kappa系数来评估两种方法之间的一致性。Kaplan-Meier生存分析和Cox比例风险模型用于评估随访期间的死亡率预测（2017年5月至2021年3月）。

结果

在512名参与者中（平均年龄72±6岁；54.7%为女性），两种模型均识别出两种虚弱轨迹：时间依赖模型识别出低增加组（88.3% vs 83.8%）和高增加组（11.7% vs 16.2%）；基于年龄的模型也识别出同样的两组。两种方法之间表现出较高的一致性（Kappa = 0.63，P < 0.001）。随访期间，有48名参与者（9.4%）死亡，中位生存时间为27个月（IQR 18–33个月）。时间依赖模型和基于年龄的模型均显示高增加组的死亡风险更高（调整后的HR = 3.0，95% CI = 1.4–6.5，P = 0.006；调整后的HR = 2.5，95% CI = 1.2–5.1，P = 0.01）。两种模型的区分能力（C指数：0.77 vs 0.77）和模型拟合度（AIC：451 vs 453）相当。

结论

在这项针对日本社区老年人的三波研究中，基于时间和基于年龄的GBTM均识别出了相似的两组虚弱轨迹，并显示出较高的一致性，有效识别出了高死亡风险人群。这些发现表明，这两种建模方法都适用于该人群的虚弱轨迹分析和死亡率预测；然而，它们在其他人群中的普遍适用性需要进一步验证。

背景

基于群体的轨迹模型（GBTM）可以采用时间依赖或年龄依赖的方法来识别虚弱轨迹；然而，这些方法在死亡率预测方面的相对有效性仍不清楚。本研究旨在比较基于时间和基于年龄的轨迹模型在识别日本社区居住的老年人群体中的虚弱轨迹及其对死亡率的预测价值。

方法

在1085名年龄≥65岁的社区居住老年人中，选取了512名在2011年至2017年间至少接受了两次虚弱评估且保持独立生活的参与者。虚弱程度通过Kihon筛查表进行评估。时间和基于年龄的GBTM均使用了2011年、2014年和2017年的数据来识别轨迹。采用Cohen的Kappa系数来评估两种方法之间的一致性。Kaplan-Meier生存分析和Cox比例风险模型用于评估随访期间的死亡率预测（2017年5月至2021年3月）。

结果

在512名参与者中（平均年龄72±6岁；54.7%为女性），两种模型均识别出两种虚弱轨迹：时间依赖模型识别出低增加组（88.3% vs 83.8%）和高增加组（11.7% vs 16.2%）；基于年龄的模型也识别出同样的两组。两种方法之间表现出较高的一致性（Kappa = 0.63，P < 0.001）。随访期间，有48名参与者（9.4%）死亡，中位生存时间为27个月（IQR 18–33个月）。时间依赖模型和基于年龄的模型均显示高增加组的死亡风险更高（调整后的HR = 3.0，95% CI = 1.4–6.5，P = 0.006；调整后的HR = 2.5，95% CI = 1.2–5.1，P = 0.01）。两种模型的区分能力（C指数：0.77 vs 0.77）和模型拟合度（AIC：451 vs 453）相当。

结论

在这项针对日本社区老年人的三波研究中，基于时间和基于年龄的GBTM均识别出了相似的两种虚弱轨迹，并表现出较高的一致性，有效识别出了高死亡风险人群。这些发现表明，这两种建模方法都适用于该人群的虚弱轨迹分析和死亡率预测；然而，它们在其他人群中的普遍适用性需要进一步验证。