《Journal of Nursing Research》：Empowering Caregivers With Smart Care Artificial Intelligence
编辑推荐：
本综述系统探讨了社区老年人衰弱状态的筛查与预测，创新性地结合骨质疏松性骨折研究指数（SOF）和Kihon Checklist（KCL）工具的核心要素，通过线性判别分析建立了高效的衰弱分类模型。研究历时一年追踪110名老年人，发现基线期的体重减轻、精力下降、躯体功能以及工具性日常生活活动能力（IADL）和进食功能是预测衰弱状态的关键因子，其中进食功能的影响力尤为突出。所构建的判别函数对衰弱状态的分类准确率达71.6%–79.1%，为社区护理中简便、快速的衰弱早期识别提供了重要依据，对延缓衰弱进程、制定个性化干预策略具有显著临床意义。
背景
衰弱的定义在学术界仍存在争议，但普遍认为它是一种与年龄相关的生理系统渐进性功能下降，导致内在能力储备受损。衰弱状态使个体对应激源极度脆弱，并显著增加跌倒、失能、住院和死亡等不良健康结局的风险。尽管衰弱常与共病和失能重叠，但它是一种独立的综合征，其中共病是危险因素，而失能是其后果。所有老年人都有发生衰弱的风险，一项涵盖62个国家的荟萃分析显示，社区居住的50岁以上人群中，衰弱前期和衰弱的患病率分别为46%和12%。在台湾，根据老年人健康与生活状况调查数据，社区老年人中衰弱前期和衰弱的患病率分别为40%和4.9%。台湾自1993年进入“老龄化社会”，2018年成为“老龄社会”，预计到2025年将进入“超老龄社会”（老年人口占比20%），人口老龄化速度迅猛。在此背景下，台湾政府于2017推出了长期照顾十年计划2.0，将衰弱筛查作为预防保健的重要一环，并批准使用SOF指数和Kihon Checklist（KCL）作为筛查工具。然而，SOF和KCL工具在社区环境中使用仍显耗时，因此，寻找一种既能保持足够精确度又简便快捷的筛查方法至关重要。
研究目的与方法
本研究旨在开发一种简单、方便、快速的筛查方法，用于对社区老年人进行衰弱分类。该方法结合了SOF指数组成部分和KCL工具域中最显著的预测因素。研究采用纵向设计，在基线（T0）、6个月（T1）和1年（T2）三个时间点，使用三种不同的衰弱筛查工具（以Fried衰弱表型（FP）作为金标准）对110名社区老年人进行便利抽样和数据收集。通过线性判别分析，创建了一个能准确分类衰弱状态的有效模型。参与者为台湾苗栗县年龄≥65岁的社区老年人，排除标准包括目前住院或居住于养老院、诊断为痴呆、卧床不起或疾病终末期、服用阿尔茨海默病药物或抗抑郁药、以及过去3个月内有中风或上下肢手术史。样本量计算采用G-power 3.1，最终目标样本量为110人。
评估工具
- 1.
Fried衰弱表型（FP）：作为金标准，包含五个表型组成部分：非故意的体重减轻（过去一年内体重减轻>5%或>3公斤）、疲惫感（过去一周内>3天感到疲惫或缺乏精力）、行动迟缓（测量5米行走速度，按身高和性别调整后最低20%定义为迟缓）、肌力减弱（使用电子握力计测量，按性别和体重指数调整后最低20%定义为减弱）和低身体活动水平（使用台湾国际身体活动问卷简版计算热量消耗，按性别最低20%定义为低活动）。衰弱状态分为稳健（0个组成部分）、衰弱前期（1-2个组成部分）和衰弱（3-5个组成部分）。
- 2.
骨质疏松性骨折研究指数（SOF）：包含三个组成部分：体重减轻（标准同FP）、下肢功能（无需手臂支撑从椅子上站立五次的能力）和精力水平下降（过去一周内>3天感觉做任何事都很费力）。衰弱状态分为稳健（0个组成部分）、衰弱前期（1个组成部分）和衰弱（≥2个组成部分）。
- 3.
Kihon Checklist（KCL）：包含25个是/否问题，涵盖七个域：工具性日常生活活动（IADL生活方式）、躯体功能、营养、进食功能、社会化、记忆和情绪。总分0-25分，分数越高表示衰弱程度越重。衰弱状态分为稳健（0-3分）、衰弱前期（4-7分）和衰弱（≥8分）。本研究使用台湾版KCL。
参与者特征与衰弱状态
110名社区老年人完成了基线衰弱筛查。根据FP工具，基线时55名（50%）参与者被分类为稳健，55名（50%）为衰弱前期/衰弱。稳健组平均年龄为74.8±6.1岁，衰弱前期/衰弱组为77.6±7.7岁。两组中女性比例均较高（稳健组54.5%，衰弱前期/衰弱组58.2%）。教育水平方面，稳健组中52.7%受教育年限超过6年，而衰弱前期/衰弱组中65.5%为6年或以下。婚姻状况显示，稳健组中58.2%已婚，而衰弱前期/衰弱组中67.3%为丧偶、离异或单身。大多数参与者并非独居。自我感知健康状况在两组中均以“一般”为主。研究期间，T1时有15名参与者失访，T2时有13名失访。
判别分析结果
研究对SOF的3个组成部分和KCL的7个域（共10个预测因子）进行了判别分析，以FP分类结果为金标准。
- •
基线（T0）：判别分析产生了显著的判别函数（Wilks’ λ=.66, χ2(3)=43.68, p<.0001），包含三个预测因子：体重减轻（标准化系数.39）、精力水平下降（.61）和躯体功能（.50）。该函数解释了33.6%的预测力（典型相关Rc=.58）。分类准确率为79.1%，识别衰弱前期/衰弱组的灵敏度为67.3%，识别稳健组的特异度为90.9%。
- •
6个月（T1）：判别函数（Wilks’ λ=.74, χ2(2)=27.61, p<.0001）包含两个预测因子：IADL生活方式（.65）和进食功能（.65），解释了26.0%的预测力（Rc=.51）。分类准确率为71.6%，灵敏度64.6%，特异度78.7%。
- •
1年（T2）：判别函数（Wilks’ λ=.71, χ2(2)=31.88, p<.0001）包含两个预测因子：躯体功能（.67）和进食功能（.55），解释了29.2%的预测力（Rc=.54）。分类准确率为73.2%，灵敏度69.4%，特异度77.1%。
讨论
本研究首次采用纵向设计，结合FP金标准，并纳入KCL的7个域和SOF的3个组成部分进行衰弱状态的判别分析和预测。通过纵向追踪发现，预测衰弱状态的关键因素随时间推移而变化：
- •
基线预测因子：体重减轻、精力水平下降和躯体功能是基线时预测衰弱状态的有效指标。体重减轻和精力水平下降源自FP的“消瘦”和“疲惫”组成部分，这解释了其在基线预测中的重要性。
- •
6个月和1年预测因子：在6个月随访时，预测因子转变为IADL生活方式和进食功能；而在1年随访时，预测因子为躯体功能和进食功能。值得注意的是，进食功能在6个月和1年时均是显著的预测因子。这种预测因子组合的变化可能反映了衰弱进程的演变：早期指标（如体重减轻、精力下降）可能随着衰弱进展，让位于对维持独立生活更关键的能力（如IADL、进食功能）的评估。
关键预测因子的深入分析
- 1.
躯体功能：本研究发现，基线时通过KCL工具评估的躯体功能不仅能预测基线时的衰弱状态，也能预测1年后的结局。KCL的躯体功能域通过自我报告评估五项与移动相关的活动：上下楼梯是否需要协助、从椅子上站起是否需要协助、能否连续行走15分钟以上、跌倒史以及担心行走时跌倒。研究表明，衰弱前期个体的躯体功能下降速度是稳健者的1.83倍，主要困难体现在爬楼梯、从椅子上站起和害怕跌倒。评估常见的移动活动（涉及腿部力量、平衡和整体身体表现）与需要多次测量的工具相比，更高效便捷，非常适合日常临床实践和大规模研究。
- 2.
进食功能：进食功能被确定为6个月和1年时衰弱状态的有力预测因子。KCL的进食功能域反映了自我报告的咀嚼硬物困难、喝茶或汤时呛咳或咳嗽以及口干等症状。多项研究支持口腔功能与衰弱的密切关联。日本的一项研究发现，社区老年人中16%存在口腔衰弱，其在2年随访期内发展为身体衰弱的风险增加2.4倍。口腔健康可能通过影响营养状况、食物摄入选择、牙周炎症以及社会经济因素等途径影响衰弱。日本已将“口腔功能低下症”纳入国民健康保险报销诊断，凸显其重要性。
- 3.
IADL生活方式：本研究发现在6个月时，IADL生活方式是衰弱的预测因子。这与先前研究认为IADL困难通常早于基本日常生活活动（ADL）困难出现在衰弱个体中的观点一致。IADL能力的下降直接预示着衰弱状态的恶化。
研究意义与局限性
本研究建立的判别模型使用少量问卷项目即可实现对社区老年人衰弱状态超过70%的准确分类，为在门诊和社区环境中进行快速、有效的衰弱筛查提供了实用工具。所识别出的关键预测因子（体重、精力水平、躯体功能、IADL生活方式、进食功能）大多是可干预的，为制定针对性的预防和延缓衰弱的策略提供了明确靶点。特别是进食功能（口腔健康）作为预测因子的重要性应得到更多关注。
本研究也存在一些局限性：数据主要基于自我报告，可能存在偏倚；样本来自台湾中部一个县的部分地区，可能限制结果的普适性；1年的追踪时间可能不足以揭示影响因素的长期预测力；SOF和FP工具的心理测量学特性（如内部一致性信度）因其项目数少而相对较低。
结论与建议
判别分析是一种简单有效的确定社区老年人衰弱状态的方法。通过筛选并纳入最重要的SOF组成部分和KCL域，该方法显著减少了准确分析所需的变量数量。本研究历时一年，确定了基线期的体重减轻、精力水平下降、躯体功能、IADL生活方式和进食功能是准确区分社区老年人稳健与衰弱前期/衰弱状态的最重要因素，其中进食功能对预测准确性的影响最为显著。
基于研究结果，建议护理人员在临床评估社区老年人时，若发现非故意体重减轻和精力水平下降，应提高警惕，并可进一步通过问卷评估其躯体功能、IADL生活方式和进食功能。这种初步评估有助于识别异常个案，并转介给医师、营养师、康复治疗师和长期照护服务，以便进行多学科干预。目前判别函数仍需通过公式计算，未来可开发基于这些变量的可视化应用程序，并在不同场景下验证其有效性，延长随访时间，并进一步深入研究进食功能对衰弱的影响机制。医疗卫生机构和政府相关部门应将本研究发现整合到长期照护政策中，以帮助预防或延缓衰弱的发生，干预措施应针对已识别的重要影响因素，尤其要重视进食功能。
