编辑推荐：
为解决老年人中风患者口腔衰弱风险因素不明及缺乏有效评估工具的问题，皖南医学院第一附属医院研究人员开展相关研究，构建了预测模型。该模型能有效识别高风险患者，对提升口腔健康管理意义重大，值得科研读者一读。
在人口老龄化程度不断加深的当下，老年人的健康问题愈发受到关注，口腔健康便是其中重要的一环。“口腔衰弱（Oral Frailty）” 这个词，或许很多人还感到陌生。它指的是随着年龄增长，身体发生一系列变化，口腔出现诸如牙齿数量减少、口腔卫生状况变差、口腔功能受损等问题。这些问题不仅影响老年人的饮食和营养摄入，还可能引发心理问题，降低生活质量。
据统计，到 2050 年，中国老年人数量预计将达到 4.87 亿，占总人口的 34.9%。如此庞大的老年群体，口腔健康问题不容小觑。研究显示，老年人中口腔衰弱的患病率在 8.1% - 53.2% 之间，且随着年龄增长而上升。而中风（Stroke），作为全球第二大常见致命疾病，给患者带来的影响远不止身体运动和语言障碍。许多中风患者还会面临口腔健康问题，口腔衰弱的风险也随之增加。
然而，目前针对老年人中风患者口腔衰弱的研究存在诸多不足。虽然已经有一些关于口腔衰弱的研究，但大多集中在社区老年人，针对中风患者这一特殊群体的研究较少。而且，对于该群体口腔衰弱的主要风险因素尚不明确。同时，现有的口腔衰弱评估工具也存在缺陷，它们大多用于评估症状，无法准确识别高风险个体，也不能给出患病的具体概率，更不适合老年人中风患者。因此，构建一个针对老年人中风患者口腔衰弱的风险预测模型，显得尤为迫切。
为了解决这些问题，皖南医学院第一附属医院的研究人员 Ruirui Ma、Xiaoli Fan 等人在《BMC Oral Health》期刊上发表了题为 “Development and validation of risk - predicting model for oral frailty in older adults patients with stroke” 的论文。这项研究意义重大，它通过构建风险预测模型，帮助医护人员尽早识别出有口腔衰弱高风险的老年人中风患者，从而采取针对性的预防措施，提高患者的口腔健康水平和生活质量。
研究人员为开展这项研究，采用了多种关键技术方法。他们进行了一项回顾性研究，从中国一所三级综合医院的两个普通神经内科病房选取符合条件的患者。通过设计调查问卷收集患者的社会人口学数据、临床疾病数据、实验室指标数据等信息。利用口腔衰弱指数 - 8（Oral Frailty Index - 8，一种评估口腔健康的工具，总分 0 - 11 分，≥4 分表示存在口腔衰弱）、FRAIL 量表（用于评估衰弱程度，总分 0 - 5 分，≥3 分被认为是衰弱状态）、老年口腔健康评估指数量表（Geriatric Oral Health Assessment Index Scale，GOHAI，用于评估口腔健康状况，总分 12 - 60 分，分数越高口腔健康状况越好）等工具对患者进行评估。最后，运用统计学软件 SPSS 27.0 和 R Studio 4.1.1 进行数据分析，构建预测模型并评估其性能。
下面来看看具体的研究结果：
- 参与者特征：在研究期间，神经内科共收治 1050 名患者，经过筛选，最终 664 名患者纳入研究。其中，317 名患者存在口腔衰弱，发生率为 47.8%。建模组 451 名患者中有 215 例口腔衰弱，发生率 47.7%；验证组 213 名患者中有 102 例口腔衰弱，发生率 47.9%。参与者中男性 370 人，女性 294 人，脑梗死 330 例，脑出血 334 例，农村患者 363 人，城市患者 301 人。建模组和验证组在一般信息上没有显著差异。这就像是在一大群人中挑选出了符合特定条件的 “小队伍”，并且发现这个 “小队伍” 里近一半的人都存在口腔衰弱问题，而且不同组之间基本情况还挺相似的。
- 口腔衰弱的单因素分析：研究人员将建模组进一步分为非口腔衰弱和口腔衰弱组进行比较。结果发现，两组在年龄、教育水平、人均月家庭收入、吸烟史、饮酒史、跌倒史、身体质量指数（BMI）、合并症数量、规律运动、衰弱情况、Barthel 指数、营养风险、口腔健康评估指数、美国国立卫生研究院卒中量表（NIHSS）评分、改良 Rankin 量表（mRS）评分、Charlson 合并症指数（CCI）评分、血红蛋白水平、白细胞计数、D - 二聚体水平和 C 反应蛋白水平等方面存在显著差异。这就好比在寻找导致口腔衰弱的 “幕后黑手”，一下子发现了好多可疑的因素。
- 口腔衰弱的逻辑回归分析：在单因素分析中有统计学意义的 20 个变量被纳入逻辑回归分析。结果显示，年龄、衰弱、合并症数量、营养风险、NIHSS 评分、GOHAI 评分和 Barthel 指数是老年人中风患者口腔衰弱的独立风险因素。这意味着这些因素和口腔衰弱之间有着紧密的联系，它们就是导致口腔衰弱的重要 “推手”。
- 预测口腔衰弱的列线图构建及性能分析：研究人员用 R Studio 构建了列线图来直观展示各种风险因素。训练组模型的受试者工作特征曲线（ROC 曲线）下面积（AUC）为 0.945，灵敏度 88.2%，特异性 89.2%，约登指数 0.774。Hosmer - Lemeshow 拟合优度检验的卡方值为 5.632，P 值为 0.688。决策曲线分析（DCA）表明该模型能带来显著临床益处。校准曲线显示实际值和预测值吻合良好。这就像是给医护人员打造了一个 “秘密武器”，这个列线图可以帮助他们根据患者的各项风险因素，更准确地预测口腔衰弱的发生概率，而且这个 “武器” 还挺靠谱的。
- 老年人中风患者口腔衰弱风险预测模型的临床应用：选取 213 名老年人中风患者进行内部验证，模型预测 109 例发生口腔衰弱，实际发生 111 例。验证组的 AUC 为 0.915，灵敏度 88.2%，特异性 80.2%，约登指数 0.684。Hosmer - Lemeshow 拟合优度检验的卡方值为 8.520，P 值为 0.384。这说明这个模型在实际应用中也能发挥不错的作用，能够帮助医护人员判断患者的口腔衰弱风险。
综合研究结果，研究人员得出结论：相当一部分老年人中风患者存在口腔衰弱问题，年龄、合并症、营养状况、NIHSS 评分、口腔健康评估指数和 Barthel 指数等因素对口腔衰弱的发生有重要影响。他们开发的风险模型在帮助医护人员早期识别高风险患者方面很有潜力，并且可以指导实施针对性的预防措施。该模型在区分度和校准度方面表现良好，在口腔健康管理中具有潜在的应用价值。
在讨论部分，研究人员进一步分析了这些结果的意义。此次研究中口腔衰弱的发生率高于以往一些研究，这可能是因为研究对象为中风患者，他们更容易出现吞咽困难等并发症，从而增加口腔衰弱的风险。年龄、合并症和身体衰弱等因素成为独立风险因素，与以往研究结果相符。年龄增长会使口腔功能下降，合并多种疾病会影响口腔健康，身体衰弱会导致口腔卫生难以维持。NIHSS 评分高、自理能力下降、营养风险和 GOHAI 评分低也都是口腔衰弱的重要风险因素。
这一研究成果对于临床实践意义非凡。医护人员可以借助这个风险预测模型，在患者入院时就进行口腔衰弱风险评估，对于高风险患者，及时采取措施，比如加强口腔护理、提供营养支持、指导口腔功能训练等。这不仅有助于预防和控制口腔衰弱，还能提高患者的生活质量，减轻患者家庭和社会的负担。不过，研究也存在一些局限性。样本仅来自安徽芜湖一所医院的神经内科住院患者，可能无法代表其他地区和人群；研究纳入的影响因素有限，一些可能的风险因素如慢性病患病年限、饮食类型、某些药物对口腔功能的影响等未被考虑；研究未纳入心理因素；模型仅进行了内部验证，未进行外部验证。未来还需要进一步研究来完善这些不足。
总的来说，这项研究为老年人中风患者口腔衰弱的研究和临床管理提供了重要的参考，虽然还有一些需要改进的地方，但已经为后续的研究和实践指明了方向，期待未来能有更多更好的研究成果，为老年人中风患者的口腔健康保驾护航。
