中国老年人跌倒风险预测模型：基于 CHARLS 数据库的创新成果

为解决中国老年人跌倒风险评估难题，研究人员构建预测模型，该模型有一定预测能力，意义重大。

　　# 中国老年人跌倒风险预测新模型：守护晚年安全的有力工具
在人口老龄化的浪潮下，老年人的健康问题备受关注，其中跌倒成为了一个突出的 “健康杀手”。全球范围内，跌倒已成为老年人因伤致死的第二大原因。在中国，每年有 14.7%-34% 的老年人会经历跌倒，65 岁及以上人群的跌倒死亡率更是高达 44.3/10 万。跌倒不仅会导致老年人骨折、颅脑损伤等严重伤害，还会降低他们的生活自理能力和生活质量，给家庭和社会带来沉重的经济负担。

目前，虽然存在多种跌倒风险评估工具，但大多存在局限性。有的工具仅基于单一因素，难以全面反映老年人跌倒风险的复杂性；而且现有模型大多针对欧美人群，缺乏对中国老年人的针对性研究。因此，开发一个适合中国老年人的跌倒风险预测模型迫在眉睫。

为了填补这一空白，山东大学中医药学院等机构的研究人员开展了一项极具意义的研究。他们的研究成果发表在《BMC Geriatrics》杂志上，为预防老年人跌倒提供了新的方向和依据。

研究人员使用了中国健康与养老追踪调查（China Health and Retirement Longitudinal Study，CHARLS）数据库中的数据。该数据库涵盖了中国 45 岁及以上人群的多维度信息，为研究提供了丰富、高质量的数据支持。研究共纳入了 4913 名 60 岁及以上的老年人，通过对 38 个潜在风险因素的分析，包括生物因素、行为因素和健康状况等，构建并验证了跌倒风险预测模型。

研究人员采用了多种技术方法来确保研究的科学性和准确性。首先，运用 Least Absolute Shrinkage and Selection Operator（LASSO）回归分析对变量进行筛选，确定了与跌倒风险相关的重要因素。接着，使用多因素逻辑回归模型进一步探究这些因素与跌倒风险的关联，并构建了列线图（nomogram）模型。此外，通过计算受试者工作特征曲线下面积（AUC）、Hosmer-Lemeshow 拟合优度检验以及决策曲线分析（DCA）等方法，对模型的预测性能进行了全面评估。

研究结果

1. 参与者特征：参与研究的 4913 人中，男性占 45.7%，女性占 54.3%，6.7% 的参与者年龄在 80 岁及以上。数据被随机分为训练集（n=3439）和验证集（n=1474）。
2. 跌倒发生率及相关变量：跌倒发生率为 22.02%（1082/4913）。跌倒者和未跌倒者在性别、居住地、吸烟、睡眠质量、睡眠时间、视力、听力、握力、日常生活活动能力（Activities of Daily Living，ADL）评分、认知、健康状况、抑郁、高血压（Hypertension，HTN）、糖尿病或高血糖（Diabetes or high blood sugar，DBS）、慢性肺病（Chronic Lung Disease，CLD）、肝病（Liver Disease，LiverD）、心脏病（Heart Disease，HD）、肾病（Kidney Disease，KD）、消化系统疾病（Stomach or other digestive disease，DigestD）、精神疾病（Emotional, nervous, or psychiatric problems，MentalD）、关节炎或风湿病（Arthritis or Rheumatism，AR）、哮喘（Asthma）和使用止痛药物（Pain DRUG）等方面存在显著差异（p<0.05）。
3. LASSO 和逻辑回归分析：通过 LASSO 回归模型筛选出潜在预测因子，再经多因素逻辑回归分析，最终确定睡眠时间、握力、ADL 评分、听力、认知、抑郁、健康状况、KD 和 Pain DRUG 与跌倒发生相关。
4. 预测模型开发：基于上述因素构建的列线图模型可定量预测老年人跌倒风险。该模型在训练集和验证集的 AUC 值均为 0.644，表明其具有一定的区分能力和预测价值。
5. 预测模型验证：校准曲线显示模型预测值与实际观察值一致性良好，Hosmer-Lemeshow 检验 p 值均大于 0.05，进一步证明模型拟合度佳。决策曲线分析结果表明，列线图模型具有较高的净效益和预测准确性。

研究结论与讨论

研究构建的基于 CHARLS 数据库的列线图模型，对中国老年人跌倒风险具有中等的区分能力（AUC=0.644）。该模型纳入的睡眠时间、听力、握力等九个因素，为评估老年人跌倒风险提供了重要参考。通过该模型，能够尽早识别跌倒风险人群，便于采取针对性的预防措施，如改善睡眠质量、加强听力保护、增强肌肉力量等，从而降低老年人跌倒的发生率，减轻跌倒带来的不良后果。

然而，研究也存在一定局限性。研究基于横断面设计，无法确定因果关系；部分潜在混杂因素如髋部骨折、步态、家庭环境等未进行统计分析，在一定程度上限制了模型的可靠性。未来研究需要采用纵向设计、多中心验证等方法进一步优化模型，提高其预测性能。

尽管存在不足，但该研究构建的模型为识别中国老年人跌倒高风险个体提供了初步工具，在老年人跌倒预防领域具有重要的应用价值，为后续研究和实践奠定了坚实基础。它让我们看到了通过科学研究守护老年人健康的希望，有望在未来大幅降低老年人跌倒风险，提升他们的生活质量。