Saga Fall-相关损伤风险模型的外部验证及多家医院中共同因素的探索：一项回顾性观察研究

《Clinical Interventions in Aging》：External Validation of the Saga Fall-Related Injury Risk Model and Exploration of Common Factors in Multiple Hospitals: A Retrospective Observational Study

SFIRM模型跨医院验证显示其AUC为0.617（95%CI 0.534-0.701），提示需调整参数以适应不同医院环境。多中心分析提取出年龄、 Bedriddenness rank、性别、跌倒史、糖尿病为共性预测因素。

　　本研究旨在评估一种名为Saga Fall-related Injury Risk Model（SFIRM）的跌倒相关伤害预测模型在不同医院中的适用性。该模型基于患者入院时的六个因素：年龄、性别、紧急转运、医疗转诊记录、跌倒史以及卧床等级。通过在多个医院进行外部验证，研究者希望确认该模型是否能够在不同类型的医疗机构中保持良好的预测能力，并探索影响跌倒相关伤害的共同预测因子。

研究覆盖了日本的八家医院，包括慢性护理医院、急性护理医院和三级急性护理医院。这些医院分布在不同的地理区域，涵盖了多种医疗环境。研究时间跨度为2018年4月至2021年3月，期间共纳入144,777名20岁及以上的住院患者。为了确保模型的有效性，研究者从中随机抽取了2376名患者作为样本，对SFIRM的预测性能进行了评估。研究结果显示，这些患者中，有2.1%发生了跌倒，其中1.5%出现了跌倒相关伤害。在这一样本中，SFIRM的曲线下面积（AUC）为0.617（95%置信区间为0.534–0.701），表明该模型在预测跌倒相关伤害方面具有一定的能力，但其区分度并不高。

在对各医院的多变量分析中，研究发现年龄和卧床等级在五家医院中均显著影响跌倒相关伤害的发生。而在另外四家医院中，男性性别、跌倒史和糖尿病也被证实是显著的预测因子。这些结果表明，尽管SFIRM在某些特定医院中表现良好，但在更广泛的医疗环境中，其预测性能有所下降。因此，研究者认为该模型需要进行调整和重新验证，以适应不同医院的实际需求。

跌倒相关伤害在住院患者中是一个普遍存在的问题，不仅影响患者的健康状况，还增加了医疗成本，并可能导致医疗纠纷。尽管已有多种预防措施，如床铃和低床等，但这些措施的实施往往受到成本、空间和护理人员短缺等因素的限制。因此，开发一个有效且通用的预测模型对于医院管理者和医护人员具有重要意义。SFIRM作为目前唯一一个专门针对跌倒相关伤害的预测模型，在其最初开发的医院中表现出较高的区分度，但在其他医院中的表现则较为有限。

本研究通过外部验证进一步探讨了SFIRM的适用性，并发现其在不同医院中的预测能力存在显著差异。其中，AUC值最高的医院为E医院，其值为0.719，而其他医院的AUC值则在0.614到0.647之间波动。这种差异可能与各医院的医疗环境和患者特征有关。例如，E医院作为一家农村地区的急性护理医院，其患者群体与三级急性护理医院或慢性护理医院存在明显不同。三级急性护理医院通常接收更多需要紧急处理的重症患者，而慢性护理医院则以长期照护为主。因此，某些预测因子，如医疗转诊记录和紧急转运，其在不同医院中的表现可能有所不同。

此外，研究还发现，年龄、卧床等级、性别、跌倒史和糖尿病是多个医院中普遍存在的显著预测因子。这些因素在以往的单中心研究中已被多次验证与跌倒或跌倒相关伤害有关。年龄的增长通常伴随着身体机能的下降，增加了跌倒的风险。卧床等级反映了患者在日常活动中的独立程度，高等级的卧床患者更容易发生跌倒相关伤害。男性性别虽然在某些医院中与跌倒本身相关，但在整体分析中仍显示出一定的影响。糖尿病患者由于其较高的骨折风险，也更可能因跌倒而遭受严重伤害。

尽管SFIRM在某些医院中表现良好，但其在外部验证中的区分度较低，这提示该模型可能需要进行调整以适应不同医院的实际情况。研究者指出，数据质量是影响模型性能的重要因素之一。例如，部分医院在卧床等级和医疗转诊记录的数据收集方面存在差异，导致模型预测结果出现偏差。此外，不同医院在跌倒预防措施的实施上也有各自的标准，这也可能影响跌倒相关伤害的实际发生率。因此，为了提高模型的适用性，未来的研究应更加注重数据标准化，并结合医院自身的跌倒预防策略进行模型优化。

研究还指出，当前使用的数据集来自2018年至2021年，可能无法完全反映最新的医疗环境和患者特征。因此，未来的研究应考虑使用更新的数据进行验证，以确保模型的时效性和准确性。此外，研究未能对跌倒预防措施的实施情况进行调整，这可能影响模型对跌倒相关伤害的预测效果。未来的研究可以引入这些变量，以更全面地评估模型的性能。

总体而言，本研究为SFIRM的外部验证提供了重要的参考，同时也揭示了该模型在不同医院中的局限性。研究者建议，针对不同类型的医疗机构，应开发和验证新的预测模型，以提高其在实际应用中的准确性和实用性。此外，年龄、卧床等级、性别、跌倒史和糖尿病作为共同的预测因子，具有较大的应用潜力，可以为未来的跌倒相关伤害预测模型提供基础。通过进一步的研究和优化，这些因素有望在更广泛的医疗环境中发挥作用，帮助医护人员更好地识别高风险患者，采取有效的预防措施，降低跌倒相关伤害的发生率。