综述：“Timed Up-and-Go”测试作为骨折风险的预测指标：一项针对超过160万人群的系统评价和荟萃分析

《Frontiers in Public Health》：Timed Up-and-Go as a predictor of fracture risk: a systematic review and meta-analysis in a population of over 1.6 million people

　　**摘要**

**目的：** 本系统评价旨在综合前瞻性队列研究的证据，评估“Timed Up-and-Go (TUG)”测试与老年人骨折风险之间的关联，并通过荟萃分析使用风险比（HR）来量化这种关联。

**方法：** 两名作者独立在PubMed/MEDLINE、Scopus、Web of Science、CINAHL Complete以及Psychology and Behavioral Sciences Collection中进行系统搜索。MEDLINE通过PubMed访问，因此不作为单独的数据库处理。Psychology and Behavioral Sciences Collection被纳入是因为它可能包含与骨折风险相关的行为、心理和功能性因素的研究。符合条件的队列研究是那些检查TUG表现较慢（表现为完成时间较长，以秒计）与老年人全因骨折之间关联的研究。在评估研究间异质性后，使用随机效应荟萃分析汇总风险比（HR）估计值及其95%置信区间（CI）。

**结果：** 两名作者独立提取数据。共有6项研究，涉及1,639,397名参与者。TUG评分较低与所有原因导致的髋部骨折（HR = 1.64；95% CI = 1.20–2.22）以及总体骨折（股骨、腰椎、骨盆、前臂和肱骨近端；HR = 1.38；95% CI = 1.05–1.80）相关。然而，对于椎体骨折也观察到了虽不显著但具有统计学意义的关联（HR = 1.11；95% CI = 1.03–1.20）。

**结论：** TUG测试表现较差与老年人的髋部骨折和总体骨折相关。

**系统评价注册：** https://www.crd.york.ac.uk/PROSPERO/view/CRD420251244709，标识符PROSPERO (CRD420251244709)

**1 引言**
随着年龄的增长，前庭系统、视觉系统和本体感觉系统的逐渐变化，加上肌肉骨骼的退化，导致姿势平衡和功能性活动能力下降，大大增加了老年人跌倒和骨折的风险(1–3)。跌倒是全球因意外伤害导致的第二大死亡原因(4)，大约每三个老年人中就有一个每年至少会跌倒一次(5)。这些事件经常导致骨折，特别是下肢骨折，尤其是髋部和股骨骨折，这与显著的发病率、失去独立性和额外的死亡率相关(6, 7)。除了临床后果外，与跌倒相关的骨折还带来了巨大的经济负担，仅在美国，每年的直接医疗费用就超过了500亿美元(8)。鉴于这一负担，人们投入了大量努力来识别能够预测老年人骨折风险的功能性标志物，以往的研究主要检查静态姿势平衡指标，并报告了与骨折发生不一致的关联。例如，Nordstr?m等人(2)在瑞典一项针对5,437名自给自足的老年人的研究中报告称，使用Nintendo Wii Balance Board评估的姿势平衡仅在年长女性中与髋部骨折风险有关，无论眼睛是睁开还是闭上（HR = 1.01；眼闭时HR = 1.10），以及眼闭时前后方向（HR = 1.14）。相比之下，Dovjak等人(9)在对澳大利亚一家急性老年科收治的3,448名老年患者的研究中发现，使用Tinetti平衡测试评估的姿势平衡并不能预测总体骨折风险（HR = 0.97）。相比之下，动态姿势平衡和功能性活动能力更贴近跌倒和骨折发生的现实情况(10)。“Timed Up-and-Go (TUG)”测试是一种简单、低成本、基于表现的测量方法，整合了功能性活动能力的关键组成部分，包括从椅子站起来、行走、转身和坐下，通常在2.44或3米的标准化距离上进行(11)。通过捕捉感觉运动系统（包括视觉和前庭输入）和肌肉骨骼系统在功能任务中的协调参与，TUG提供了一个相关的动态平衡测量指标，具有预测骨折风险的潜力(12, 13)。较差的TUG表现与老年人步态独立性降低、跌倒风险增加和不良健康结果相关(14)，并且TUG测试在预测股骨骨折（HR = 0.91）和跌倒风险（HR = 0.82）方面的有效性和可靠性很高(15)。尽管TUG测试在临床和研究环境中得到广泛应用，而且越来越多的纵向研究报告了TUG表现与骨折结果之间的关联，但这种缺乏综合性的情况限制了纵向证据在临床筛查和骨折预防策略中的应用。尽管先前的研究基于静态姿势平衡的变化来预测骨折，但得出的结果并不一致(2, 9)，但没有全面的分析专注于使用如TUG这样的专门评估动态姿势平衡的测试来预测骨折风险(12, 13)。因此，目前尚不清楚TUG表现是否能够一致地预测不同人群和骨折部位的骨折风险，或者观察到的关联在多大程度上能够抵抗研究间的异质性。鉴于纵向证据对于指导老龄化社会的临床实践和政府卫生政策决策的重要性(17)，有必要对现有数据进行全面综合。因此，本系统评价旨在综合前瞻性队列研究的证据，评估TUG测试与老年人骨折风险之间的关联，并通过荟萃分析使用风险比来量化这种关联。

**2 方法**
根据Cochrane合作的指南进行了系统评价和荟萃分析。结果按照“系统评价和荟萃分析首选报告项目”(PRISMA) (18)进行报告。该评价在PROSPERO中注册（代码：CRD420251244709）。

**2.1 搜索策略**
两名作者(JH-M和EV-C)对PubMed/MEDLINE、Scopus、Web of Science（核心集合）、CINHAL Complete和Psychology and Behavioral Sciences Collection数据库进行了截至2026年4月21日的系统搜索。使用了以下关键词：“Fractures, Bone”[Mesh] OR “Osteoporotic Fractures”[Mesh] OR “Accidental Falls”[Mesh] OR (“fracture” OR “fracture risk” OR “fracture incidence” OR “fracture prediction” OR “fracture prognosis”) AND (“timed up and go” OR “timed up-and-go” OR “timed up and go test” OR “TUG”) AND (“Aged”[Mesh] OR “Frail Elderly”[Mesh] OR “older adults” OR “older people” OR “elderly” OR “aged” OR “geriatric”) AND (“prognostic” OR “predictive” OR “hazard ratio” OR “odds ratio” OR “risk ratio” OR “cox regression” OR “multivariate analysis”)。在选择研究过程中没有应用语言限制。此外，还通过手动审查所选文章的参考文献列表来补充文献搜索。

**2.2 选择标准**
本系统评价和荟萃分析的先验纳入标准包括：
(i) 暴露：使用TUG测试的姿势平衡或活动能力；
(ii) 主要结果：使用风险比（HR-Cox比例风险模型）评估的所有原因导致的骨折风险，这些风险与低冲击机制（例如，脆性骨折）相关；
(iii) 参与者：居住在社区的65岁及以上的老年人，具有保留的功能独立性，或患有关节炎或骨质疏松症；排除所有参与者患有一种以上慢性疾病（如糖尿病、心力衰竭、高血压、外周动脉疾病、慢性阻塞性肺病）的研究，以及患有严重疾病的患者（即排除了患者组的研究）；
(iv) 研究设计：前瞻性队列研究。两名作者(JH-M和PV-B)独立评估电子搜索的结果。当文章标题看起来相关时，会阅读摘要以确定其是否符合纳入标准。需要更多信息时，会检索文章的全文进行评估。如果两位作者之间的评估存在差异，则会讨论，并在必要时邀请第三位作者(TH-V)参与决策过程。所有排除文章的原因都进行了记录。最后，当两项研究使用相同样本时，选择随访时间最长的研究纳入。

**2.3 数据收集过程和数据元素**
两名作者(JH-M和PV-B)独立提取数据，如第一作者的名字、发表年份、随访持续时间、研究地点、基线时参与者年龄、HR（及其相应的95% CI或标准误差）、TUG和骨折风险评估方法、感兴趣的结果以及病例数。

**2.4 单个研究中的偏倚风险**
两名作者(JH-M和PV-B)根据Cochrane指南(20)使用ROBINS-I工具独立评估非随机研究的偏倚风险。该工具评估七个偏倚领域：混杂因素、参与者选择、干预分类、偏离预定干预、数据缺失、结果测量和选择性报告，并根据识别出的最高风险给出总体判断。

**2.5 总结指标**
所有分析都在R中进行。从纳入的研究中提取每个与骨折风险相关的结果的风险比（HR）估计值及其相应的95%置信区间（CI），并使用随机效应模型（DerSimonian和Laird）计算汇总HR。使用基于似然的随机效应荟萃分析来考虑研究间变异(21)。当HR数据无法直接获取时，通过电子邮件联系相应的作者，最多尝试三次请求缺失的信息。如果全文无法获取或在最后一条邮件发送后30天内没有收到回复，则使用可用的已发表数据对研究进行评估，并在无法获得必要数据时将其从荟萃分析中排除。

**2.6 结果的综合**
使用Cochran’s Q统计量（22）计算由于异质性导致的研究间总变异百分比(22)，并将I2值分别归类为低、中、高异质性(23)。进行了敏感性分析以评估汇总估计的稳健性，确定某项研究是否对整体结果有影响。因此，每次从模型中删除一项研究以分析其对整体结果的影响。

**2.7 敏感性分析**
为了评估结果的稳健性，对至少包含四项研究的荟萃分析进行了敏感性分析。采用了留一法，在依次排除每项研究后重新计算汇总效应大小，使用相同的DerSimonian–Laird随机效应模型。检查了汇总估计值的变化、统计显著性以及异质性指数（τ2、Q和I2）。通过以下两个预定义标准排除了被认为可能有影响或有方法学问题的研究：首先，使用ROBINS-I工具被分类为高偏倚风险的研究在移除后仍至少有三项研究可用于分析；其次，通过森林图和定量影响诊断（24）识别出有影响力或离群的研究，包括DFBETAS（>|1|）、Cook距离（>4/n；小样本中>0.5）和hat值（>2k/n，其中k = 1）。在补充分析中排除了超过一个或多个阈值的研究，以评估汇总效应的稳定性。当所有对给定结果有贡献的研究都被评为高偏倚风险时，基于研究质量的敏感性分析不可行，因此仅通过留一法和影响诊断来评估稳健性。

**2.8 研究间的偏倚风险**
使用扩展的Egger’s测试(25)评估小样本效应偏倚，并通过漏斗图图形化调查发表偏倚的存在。

**3 结果**
电子搜索策略共检索到1,328项研究。在去除重复引用并根据标题（n = 438）和摘要（n = 210）筛选后，共阅读了738篇全文。其中17篇是协议研究，43篇研究对象不符合标准或目标人群，22篇结果数据非定量或不完整，最终剩下6篇定量研究用于相应的分析(26–31)。这些结果展示在图1中。

**图1** 评价流程图。基于PRISMA指南(18)。

**3.1 研究特征**
表1总结了6项纳入研究的特征(26–31)。这六项研究总共包括1,639,397名参与者，样本量从875到1,070,320不等，包括男性和女性，平均年龄≥66岁。其中三项研究在亚洲进行(26, 28, 29)，三项在欧洲进行(27, 30, 31)。随访时间从1年到7年不等，所有研究都使用X光报告来检测骨折（26-31）。表1作者（年份）国家样本量（n）平均年龄或范围男性（%）女性（%）跌倒风险预测测试调整协变量随访Chun等人（26）韩国国家健康保险 corporation (KNHIC)557,648≥66岁5050TUG根据性别、并发症、痴呆和ADL问题进行调整。根据性别、BMI、并发症、痴呆、吸烟和酒精使用情况进行调整。根据性别、BMI、并发症、痴呆、吸烟、酒精使用和ADL问题进行调整。1至4年Larsson等人（30）SUPER Sahlgrenska大学医院前瞻性研究评估骨骨折风险，这项研究在哥德堡地区进行。3,02878.20100TUG根据年龄、身高和体重进行调整。根据年龄、身高、体重和临床风险因素进行调整。在模型2中调整所有协变量，并添加了BMD。1年Marques等人（31）年龄、基因/环境易感性（AGES）-雷克雅未克冰岛研究，涉及肾功能受损的参与者。8757636.563.5TUG根据年龄和性别进行调整。此外，还根据体重、自50岁以来的体重变化百分比、体力活动水平、认知状态、骨折史、糖尿病和糖皮质激素使用情况进行调整。4.3至7.3年Jeong等人（29）韩国国家健康保险服务 (NHIS) 的国家健康信息数据库。1,070,320≥66岁4951TUG根据性别、体重指数、收入、吸烟、酒精消费、定期体力活动、跌倒史和单足平衡测试进行调整。根据模型1中的相同变量以及并发症（高血压、糖尿病、慢性肾病、癌症）和心理/认知功能进行调整。4.4年Hagino等人（28）日本3,24774.0N/A/TUG根据混淆因素（年龄、T-score、存在的椎体骨折、存在的非椎体骨折、25(OH)D、髋部骨折家族史、糖尿病和类风湿性关节炎）进行调整。2年Gregori等人（27）瑞典人群，需要理解瑞典语。3,02877.50100TUG根据年龄、体重指数（BMI）、FRAX CRFs、股骨颈BMD和所有体力功能测试进行单独和同时调整。系统评价和荟萃分析中分析的研究的特征。TUG，计时起立行走；BMI，体重指数；BMD，骨矿物质密度；FRAX，骨折风险评估；CRFs，临床风险因素。3.2 计时起立行走（TUG）测量在6项研究（26-31）中用于评估TUG测试的方法是测量3米的距离，并使用秒表记录参与者从坐姿起身、行走3米、转身、返回椅子并坐下的时间（11）。确定行动能力下降的TUG阈值在不同研究中有所不同：>10秒（27, 28, 31）、≥12秒（29, 30）和≥20秒（26）。3.3 研究内的偏倚风险ROBINS-I风险评估显示，这些研究主要存在严重的混杂风险（D1），以及在较小程度上存在干预偏倚（D4），特别是在Chun等人（26）和Gregori等人（27）的研究中。参与者选择（D2）、干预分类（D3）和数据缺失（D5）主要显示中等风险，这与非随机设计的常见方法学限制一致。相比之下，结果测量（D6）和报告选择（D7）大多被评估为低风险，表明程序标准化且充分。根据ROBINS-I标准，大多数研究的整体评估被归类为具有中等到严重的风险，表明证据可能受到残余偏倚的影响，需要谨慎解释（图2、3）。图2 偏倚风险评估的总结。图3 偏倚风险：交通灯图。3.4 证据确定性使用GRADE方法基于六项观察性研究来评估证据确定性，这些研究分析了TUG测试作为老年人骨折预测因素的作用。偏倚风险被评估为严重，不一致性也被认为严重，而没有发现间接性或不精确性的相关问题，也没有应用其他考虑因素。总共纳入的研究包括1,638,146名参与者。因此，证据的总体确定性被评定为低。考虑到TUG测试是评估老年人骨折风险和其他不良肌肉骨骼结果的相关功能指标，其临床重要性被视为高（表2）。表2 确定性评估患者数量效应确定性重要性研究数量设计偏倚风险不一致性间接证据模糊性其他考虑因素计时起立行走[比较]相对（95% CI）绝对（95% CI）计时起立行走作为老年人骨折的预测因素6项观察性研究严重到严重不严重不严重无1,638,146/1638146（100.0%）不可估计低重要的是使用GRADEpro工具对方法学质量进行评估。CI，置信区间；a. 中等。3.5 荟萃分析图4显示了HR代表与较差TUG表现相关的骨折相对风险，如每个单独研究中定义的那样：低风险（≤1）和高风险（>1）。TUG测试与髋部骨折（HR = 1.64，95% CI = 1.20至2.22）有显著关联，异质性较高（I2 = 79.9%）；总体骨折（HR = 1.38，95% CI = 1.05至1.80），异质性较高（I2 = 92%）；以及椎体骨折（HR = 1.11；95% CI = 1.03至1.20），异质性中等（I2 = 58%）。异质性的结果在补充图S1-S3中以图形方式呈现。图4 TUG测量的低风险骨折和高风险骨折的 hazard 比率。方块和水平线代表每个试验的 hazard 比率和95% CI。“Fracture_Type = Overall”对应于原始研究中使用的定义，反映了多个骨折部位的复合结果，包括下肢（股骨）、腰部区域（腰椎和骨盆）和上肢（前臂和肱骨近端），而不是所有骨折类型的汇总估计。HR，危险比率；CI，置信区间。3.6 发表偏倚和敏感性分析对TUG结果的漏斗图进行视觉检查（在补充材料中）没有发现总体或髋部骨折的明显不对称性证据。然而，由于纳入的研究数量较少，无法可靠地评估发表偏倚或小样本效应。对于椎体骨折，漏斗图的对称性解释进一步受到仅纳入两项研究的限制。因此，虽然没有观察到明显的发表偏倚迹象，但这些发现应谨慎解释。关于总体骨折风险，观察到与TUG表现有显著关联（HR = 1.30；95% CI = 1.03–1.65；p < 0.001），异质性较大（I2 = 92.7%）。敏感性分析显示，排除Larsson等人（30）的研究减弱了这种关联（logHR = 0.15；HR ≈ 1.16，95% CI = ?0.05至0.35），使其变得不显著（p = 0.143），而异质性仍然较高（I2 = 90.6%）。相反，排除Jeong等人（29）的研究增强了汇总效应（logHR = 0.36；HR ≈ 1.43，95% CI = 0.10至0.62；p = 0.0066），并降低了异质性（I2 = 82.2%），表明这项研究对研究间变异性的贡献不成比例。排除其他研究对汇总估计或异质性没有实质性影响。对于髋部骨折风险，TUG表现也与骨折风险显著相关（HR = 1.46；95% CI = 1.06–2.03；p = 0.002；I2 = 79.9%）。排除Larsson等人（30）（logHR = 0.25；HR ≈ 1.28，95% CI = ?0.02至0.51；p = 0.066）或Marques等人（31）（logHR = 0.33；HR ≈ 1.39，95% CI = ?0.09至0.75；p = 0.006）会导致统计意义的丧失，而排除Jeong等人（29）则增强了效应（logHR = 0.50；HR ≈ 1.65，95% CI = ?0.07至1.07；p = 0.086）。相比之下，排除Gregori等人（27）增强了关联并保持了显著性（logHR = 0.54；HR ≈ 1.71，95% CI = 0.11至0.97；p = 0.014），异质性仍然较大（I2 = 84.4%）。对于椎体骨折风险，只有两项研究可用，没有观察到与TUG表现有显著关联（HR = 1.11，95% CI = 1.03–1.20；p = 0.115；I2 = 58.0%）。敏感性分析不可行，因为排除单项研究会妨碍研究间方差的估计。4 讨论本系统评价旨在综合来自前瞻性队列研究的证据，这些研究评估了TUG测试作为老年人骨折风险的预测因素，并通过荟萃分析使用危险比率来量化这种关联。我们的荟萃分析确定了总体骨折风险和TUG表现之间的显著关联（HR = 1.38；95% CI = 1.05–1.80）。同样，髋部骨折风险也与TUG表现显著相关（HR = 1.64；95% CI = 1.20–2.22）。相比之下，椎体骨折风险与TUG表现的关联在统计上显著但程度较轻（HR = 1.11；95% CI = 1.03–1.20；p = 0.115；I2 = 58.0%）。然而，大多数分析中观察到的显著异质性反映了研究之间的重要方法学和临床差异，包括TUG阈值、随访持续时间、协变量调整策略以及人口特征（如性别分布、基线功能状态和骨折风险谱）的差异。我们的发现与Nordstr?m等人（2）的报告一致，他们表明姿势平衡障碍（如身体摆动速度增加和摆动速度的更大变异性）与70岁及以上的男性和女性的骨折风险增加有关。据我们所知，这是第一项使用TUG测试作为老年人骨折预测因素的研究，并通过荟萃分析使用HR来量化这种关联。我们的研究结果表明，较差的TUG表现与总体骨折和髋部骨折的风险增加相关。然而，大多数分析中观察到的显著异质性反映了研究之间的重要方法学和临床差异，包括TUG阈值、随访持续时间、协变量调整策略以及人口特征（如性别分布、基线功能状态和骨折风险谱）的差异。另一方面，敏感性分析表明，尽管TUG表现与骨折风险之间的关联方向总体上是一致的，但汇总估计的统计显著性尤其容易受到个别有影响力的研究排除的影响（27, 29–31）。这些发现表明，虽然TUG表现与骨折风险之间的关联方向在研究中是一致的，但效应的大小及其统计显著性因研究的不同而有所不同，因此需要对我们的发现保持谨慎解释。姿势平衡障碍是老年人跌倒的重要风险因素（32），其特征是多个潜在可改变因素的相互作用，包括步态和平衡障碍、直立性低血压、感觉缺陷、认知和心理因素（例如，执行功能障碍、注意力缺陷、跌倒恐惧）、某些药物的使用以及环境危险（2, 33, 34）。在这种情况下，骨折主要发生在执行动态和日常功能任务时发生的跌倒中，例如从椅子上站起来或行走（2）。这些动作是老年人日常生活中关键的功能需求，直接对应于TUG所评估的组成部分（14）。特别是从坐姿到站立的转变需要预期的压力中心位移，随后在前后和内外方向上的加速，以及适当的姿势控制以实现直立位置的稳定，这可能会随着年龄的增长而受损（14, 35）。除了最初的姿势转变之外，TUG还需要适当的步态启动，以及行走和准备连续转弯时的加速和减速（14, 35）。TUG的这些具体组成部分可能与导致髋部骨折的跌倒的生物力学特别相关。特别是转身能力受损、步态速度控制减弱以及在减速和转换动作中的困难可能影响内外侧的稳定性，从而增加老年人髋部骨折的可能性（36, 37）。在这种情况下，较差的TUG表现可能不仅反映了整体功能移动性的降低，还反映了直接与骨折易发性跌倒机制相关的特定平衡和运动协调缺陷。最初的转身序列和坐下前的最后转身已被描述为即使是70岁以上的健康老年人也特别具有挑战性的任务，对于姿势平衡受损的虚弱老年人来说更是如此（38）。在这种情况下，较短的TUG完成时间（<10秒）与老年人的步态独立性密切相关（39），而13.5秒的阈值被提出作为识别跌倒风险增加个体的临界值（14）。从预防角度来看，通过TUG等测试识别跌倒风险增加的老年人，在旨在改善平衡、移动能力和功能能力的干预措施中特别相关。现有证据表明，结合力量训练、平衡训练和功能任务的多组分训练计划可以有效降低这一人群的跌倒风险（40–42）。在这个框架内，诸如运动游戏（43）和其他基于任务的训练模式（44）等创新干预措施通过同时刺激参与姿势平衡的运动、感觉和认知组成部分显示出有希望的结果。因此，将TUG（Timed Up and Go）测试作为功能性评估工具使用，可能有助于识别那些在动态姿势平衡和移动能力方面存在更大障碍的老年人，他们可能会从针对这些领域的多专业干预中受益，从而有可能降低跌倒风险和骨折发生率。4.1 局限性与优势我们的荟萃分析在解释研究结果时存在几个需要考虑的局限性：（i）纳入的研究数量有限，尤其是在椎体骨折结果方面，这限制了敏感性分析的进行，并影响了对该类型骨折推断的可靠性；（ii）大多数分析中观察到较大的异质性，这可能反映了研究方法学和临床上的差异，包括TUG临界值的差异、随访时间的长短、协变量调整以及人口特征（如性别分布、基线功能状态和骨折风险Profil）的差异；（iii）敏感性分析表明，总体骨折和髋部骨折的汇总估计的统计显著性对剔除某些有影响力的研究非常敏感，说明现有的定量证据仍然具有情境依赖性；（iv）本综述主要关注的是相对健康的老年人，这可能限制了研究结果在多病态特征的典型老年人群中的普遍性。未来的前瞻性研究需要确定TUG测试的预测价值是否在更脆弱的老年人群中仍然一致，特别是在那些多病态、虚弱且功能储备较低的老年人中，这部分人群在当前的证据库中代表性不足。尽管所有纳入的研究都是前瞻性队列研究，但仍不能完全排除偏差的风险，特别是在功能表现评估和残余混杂因素方面。虽然TUG协议简单且广泛标准化，但其实施中的细微差异也可能导致了观察到的异质性。相比之下，我们荟萃分析的优势包括：（i）这是首次系统性地使用仅来自前瞻性队列研究的HR（风险比）来评估TUG测试作为老年人骨折风险的预测因子的荟萃分析；（ii）采用了全面的多学科数据库搜索策略，包括PubMed/MEDLINE、Scopus、Web of Science、CINAHL Complete和心理学与行为科学数据库。搜索语法针对每个数据库进行了定制，以优化策略的敏感性和特异性；（iii）遵循严格的方法学标准，包括PRISMA指南、用于评估偏倚风险的ROBINS-I和用于评估证据确定性的GRADE；（iv）应用留一法敏感性和影响分析来评估结果的可靠性，并识别对汇总估计有不成比例影响的研究，从而提高了研究结果的可透明度与可解释性。4.2 实际应用从临床和公共卫生的角度来看，TUG测试可以提供关于老年人移动能力和动态姿势平衡的相关功能信息，有助于识别髋部骨折高风险个体。然而，考虑到观察到的异质性和证据的不确定性，不应单独解读TUG测试的结果。其主要的实际价值在于补充多因素骨折风险评估策略，并指导进行旨在改善移动能力、平衡和功能能力的预防性干预措施，这些措施可能间接降低老年人的跌倒风险和骨折发生率。从公共卫生的流行病学角度来看，TUG测试是一种可行且低成本的功能测量方法，可以纳入不同社区中心的老年人人口评估中，当将其整合到多因素骨折风险模型中时，可以为那些在该测试中表现较差的老年人提供有价值的信息，有助于风险分层，并识别出可以从特定预防策略中受益的移动能力和动态平衡受损的亚群体。因此，TUG是一种补充性的筛查工具，可以帮助指导资源分配，并引导老年人参加基于社区的锻炼和康复干预，以改善其功能能力，从而可能减少与跌倒相关的不良后果。5 结论TUG测试表现较差与老年人骨折风险增加有关，尤其是在髋部骨折方面，尽管存在相当的异质性和证据的不确定性。虽然关联的方向是一致的，但汇总估计的统计显著性对有影响力的研究非常敏感，这强调了谨慎解读研究结果的必要性。在这种情况下，TUG作为一种潜在的有用的功能性工具，可以为老年人的多因素骨折风险评估做出贡献。