编辑推荐：
在眼科住院患者中，跌倒风险评估至关重要。研究人员对比 FRAT、MFS 等五种工具评估眼科住院患者跌倒风险，发现 FRAT 预测性能更优。这为临床精准评估跌倒风险、预防跌倒提供依据，助力提升眼科护理质量。
在日常生活中，我们可能都有过不小心差点摔倒的经历，但对于眼科住院患者来说，跌倒可不是一件小事。视力作为人类获取外界信息的重要感官功能，一旦出现问题，不仅会影响患者的正常生活，还大大增加了他们跌倒的风险。据世界卫生组织数据显示，全球有大量人口遭受视力障碍问题，而视力受损正是跌倒的一个重要危险因素。眼科疾病常常导致患者视力下降、视野缩小，使他们在行动时难以准确判断周围环境，无法像正常人一样自如地行走、活动，这就使得他们时刻处于跌倒的危险之中。
目前，虽然有一些常用的跌倒风险评估工具，比如 Morse 跌倒量表（MFS） 、Hendrich II 跌倒风险模型（HFRM）等，但这些工具大多是针对普通人群或老年人设计的，在评估眼科住院患者跌倒风险时存在明显不足，往往会遗漏很多高风险患者。为了解决这一问题，南方医科大学南方医院的研究人员开展了一项关于不同跌倒风险筛查工具对眼科住院患者风险预测评估的研究 。
研究人员从 2023 年 2 月到 2024 年 1 月，连续招募了 1102 名 18 岁及以上在眼科门诊确诊眼病并住院监测的患者。在患者入院 8 小时内，研究人员使用了五种跌倒风险评估工具进行筛查，分别是眼科住院患者跌倒风险评估工具（Falling Risk Assessment Tool in Ophthalmology Inpatients，FRAT）、MFS、约翰霍普金斯跌倒风险评估工具（Johns Hopkins fall-risk Assessment Tool，JHFRAT）、圣托马斯风险评估工具（St Thomas Risk Assessment Tool，STRATIFY）和 HFRM 。研究人员收集患者的一般资料，包括性别、年龄、教育程度等，并进行眼科检查和跌倒风险评估。之后，通过计算各评估工具的敏感性、特异性、阳性预测值、阴性预测值和曲线下面积（AUC），来判断它们的准确性和预测能力。
研究结果
- 患者基线特征：1102 名患者中，61 名（5.5%）被认定为跌倒者，1041 名（94.5%）为非跌倒者。跌倒者组平均年龄显著高于非跌倒者组，两组在年龄、教育程度、疾病类型、跌倒史、照顾者情况和低视力方面存在显著差异。
- 影响跌倒的因素：通过二元 logistic 多元回归分析，发现年龄、视力和跌倒史是影响眼科住院患者跌倒的独立因素。
- 五种评估工具的性能：通过受试者工作特征曲线（ROC）分析，STRATIFY 的 AUC 最大（0.756） ，其次是 JHFRAT（0.749）和 FRAT（0.717），MFS 和 HFRM 的 AUC 较低，分别为 0.695 和 0.657。STRATIFY 敏感性最高（85.2%） ，MFS 特异性和阳性预测值最高（91.7% 和 80%） ，FRAT 阴性预测值最佳（97.8%） 。综合 Youden 指数，STRATIFY（0.418）和 FRAT（0.400）表现更优。
- 评估项目与跌倒的关系：单因素分析显示，MFS 中跌倒史和步态、JHFRAT 中年龄、跌倒史等、STRATIFY 中跌倒史和视力障碍、HFRM 中排泄改变和起立行走测试、FRAT 中跌倒史、年龄等项目是患者跌倒的显著预测因素。
研究结论与讨论
研究表明，FRAT 在评估眼科住院患者跌倒风险方面，综合表现优于其他四种常用工具。其不仅敏感性和特异性相对较好，而且在评估项目上更全面，充分考虑了眼科患者的视觉相关因素，如视力、视野和角膜刺激症状等，更有利于准确筛查高风险人群。
此外，研究还明确了跌倒史、排泄状态、视力、年龄和步态是眼科住院患者跌倒的重要风险因素。这提醒医护人员，在临床工作中，对于有跌倒史的患者要格外关注，加强对患者及其家属的健康教育，提高他们对跌倒风险的认识；对于排泄异常的患者，尤其是夜间排泄频繁的患者，要加强病房巡视，改善夜间照明条件；对于视力受损的患者，要充分评估其跌倒风险，采取相应的防护措施；对于老年患者和步态异常的患者，也要给予特别关注，进行针对性的健康教育和护理。
这项研究成果发表在《BMC Ophthalmology》上，为眼科临床护理工作提供了重要的参考依据。医护人员可以借助 FRAT 等工具，更精准地评估患者跌倒风险，制定个性化的预防措施，有效降低眼科住院患者跌倒的发生率，保障患者的安全，提高护理质量，具有重要的临床意义。
研究方法：研究采用前瞻性横断面研究设计。研究人员先依据既定标准筛选符合条件的患者，收集患者的一般资料和眼科检查数据。随后，运用 MFS、JHFRAT、STRATIFY、HFRM 和 FRAT 这五种跌倒风险评估工具进行评估。最后，将收集的数据录入 SPSS 24.0 软件进行分析，运用描述性统计、独立样本 t 检验、Pearson 卡方检验等方法，计算各评估工具的相关指标。
