根据功能能力、压力性损伤风险和跌倒风险对住院成人进行的风险评估：一种聚类分析与多重对应分析方法

《Journal of Nursing Scholarship》：Risk Profiles in Hospitalized Adults Based on Functional Capacity, Pressure Injury Risk, and Fall Risk: A Cluster and Multiple Correspondence Analysis

　　**摘要**

**背景**
患者安全是全球性的优先事项，因为不良事件是全球发病率和死亡率的第14大原因。住院成人中最常见的并发症包括功能下降、压疮和跌倒，这些都会增加住院时间、医疗成本和死亡率。尽管这些风险通常被单独评估，但它们之间的相互作用却很少被研究。识别综合的患者风险特征可以帮助更好地指导护理工作。

**目的**
基于患者的功能能力、压疮风险和跌倒风险，建立成人住院患者的风险特征。

**设计**
本项研究为横断面观察性研究。

**参与者**
共有2,666名患者被收治到西班牙一家医院的成人住院病房。

**方法**
分析了患者入院后24小时内收集的Barthel指数、Braden指数和Downton指数数据。首先使用层次聚类分析，然后通过k-means方法对患者进行分类。通过多重对应分析探讨了不同风险特征与临床变量之间的关系，并使用多项逻辑回归模型确定了每个风险特征的预测因素。

**结果**
共识别出三种患者风险特征：
- **特征1**（低风险）：依赖程度较低，压疮和跌倒风险也较低（占68.5%）；
- **特征2**（中等风险）：依赖程度中等，压疮和跌倒风险也处于中等水平（占15.4%）；
- **特征3**（高风险）：依赖程度较高，压疮和跌倒风险较高（占16.1%）。
年龄较大、女性以及合并症较多与高风险特征显著相关（p<0.001）。

**结论**
可以根据患者的功能能力以及压疮和跌倒风险，将其可靠地分类为不同的风险特征。

**意义**
识别综合风险特征有助于指导护理策略，提升患者安全，支持个性化护理计划，并优化医院资源分配。

**影响**
功能能力下降、压疮和跌倒是评估护理质量的关键指标。基于风险特征的分层为个性化、数据驱动和以患者为中心的护理提供了新的框架。

**临床意义**
根据功能能力、压疮风险和跌倒风险识别综合风险特征，可以支持对住院成人进行更全面的护理评估。这些特征有助于确定护理优先级，及早识别脆弱患者，并更有效地分配护理资源。将多维度风险分层纳入临床实践，可以提升协调性和以患者为中心的护理计划。变量

巴塞尔指数
布拉登指数
唐顿量表

性别
女性：47.8（1275）；73.13（35.96）；<0.001c
男性：52.2（1391）；80.78（32.65）；19.10（3.83）；1.13（1.21）

年龄
18–50岁：17.25（460）；94.97（17.57）；<0.001d
51–65岁：21.79（581）；93.25（18.28）；20.62（2.46）；0.71（0.91）
66–80岁：31.88（850）；81.66（31.11）；19.06（3.62）
>80岁：29.06（775）；49.45（37.37）；15.65（4.04）

查尔森指数
缺失：66.4（1172）；82.53（31.22）；<0.001d
低：15.1（402）；69.48（38.02）；17.80（4.28）；1.51（1.28）
高：18.4（492）；63.87（37.79）；17.10（4.09）

过程类型
医疗：69.3（1848）；72.73（37.27）；<0.001c
外科：30.7（818）；87.03（24.41）；20.02（2.79）

入院类型
急诊：85.4（2276）；74.33（35.84）；<0.001c
预约：14.6（390）；93.36（17.99）；20.91（2.05）

住院单元
创伤科：38.6（1028）；73.28（34.99）；<0.001d
外科和妇科：12.2（326）；83.25（30.86）；19.62（3.59）
心脏病学/胃肠病学：8.2（219）；76.69（36.40）
神经学/肺病学：8.7（232）；70.09（36.84）
内科：21.6（575）；77.90（36.14）
耳鼻喉科/泌尿科：4.8（128）；85.70（28.21）
普通外科：5.9（158）；90.51（21.33）
耳鼻喉科/泌尿科：4.8（128）；85.70（28.21）
内科：21.6（575）；77.90（36.14）
神经学/肺病学：8.7（232）；70.09（36.84）
内科：22.4（409）；15.8（65）
耳鼻喉科/泌尿科：4.8（128）；85.70（28.21）

3.2 聚类分析
根据功能能力、压力损伤风险和跌倒风险对受试者进行了分类，得到了三个簇。基于临床可解释性和解释的方差，保留了这三个簇，它们共同提供了患者异质性的有意义表示。簇1（n=1827），称为Profile 1，包括压力损伤风险低（平均值=21；最小值=11；最大值=23）、跌倒风险低（平均值=1；最小值=0；最大值=5）以及功能能力依赖性低（平均值=98；最小值=80；最大值=100）的受试者。簇2（n=411），或称为Profile 2，包括压力损伤风险中等（平均值=17；最小值=9；最大值=23）、跌倒风险中等（平均值=2；最小值=0；最大值=5）以及功能能力依赖性低（平均值=57；最小值=35；最大值=75）的受试者。簇3（n=428），或称为Profile 3，包括压力损伤风险高（平均值=12；最小值=6；最大值=20）、跌倒风险高（平均值=1；最小值=0；最大值=5）以及功能能力依赖性严重（平均值=8；最小值=0；最大值=30）的受试者。使用Bonferroni方法的事后分析显示，在每个评估工具中三个profile之间存在统计学上的显著差异（p<0.001），证实了分类的有效性（表2）。聚类解决方案解释了聚类变量中的大量方差（巴塞尔指数η2=0.952；布拉登指数η2=0.734；唐顿量表η2=0.409），所有p<0.001。判别分析进一步确认了分类的稳健性，在原始模型和留一法交叉验证中99.9%的案例被正确分类。

表2. 簇的事后分析。

3.3 多重对应分析
为了探索先前分析中识别的簇与研究变量之间的关系，进行了三个阶段的MCA。在第一阶段，MCA包括了聚类分析中获得的三个profile和分类的社会人口统计变量（性别和年龄）。两个主成分分别解释了58.23%（α=0.898）和38.22%（α=0.769）的方差。如图1A所示，男性和较年轻的受试者（18–65岁）更接近Profile 1；66–80岁的受试者与Profile 2相关，而Profile 3与年龄较大的患者（>80岁）相关。

3.4 多项逻辑回归
多项逻辑回归得出的比值比表示属于给定风险profile的可能性相对于参考profile的可能性，而不是经历特定不良事件的直接风险。独立变量之间的多重共线性评估没有发现任何相关问题。方差膨胀因子（VIF）值在1.02到1.47之间，表明共线性水平可接受：年龄组=1.16（容忍度=0.860），查尔森指数=1.13（容忍度=0.882），性别=1.02（容忍度=0.979），住院单元=1.10（容忍度=0.909），过程类型=1.47（容忍度=0.682），入院类型=1.34（容忍度=0.744）。这些结果确认了模型中包含的变量提供了不同的信息。多项逻辑回归模型表现出良好的整体拟合度（χ2=882，df=12，p<0.001）。伪决定系数表明解释能力适中（Nagelkerke R2=0.243；McFadden R2=0.197），表明选定的变量能够充分区分三个患者profile。

4 讨论
本研究根据功能能力、压力损伤风险和跌倒风险，在成人住院单元中识别出三种不同的患者profile：Profile 1（低风险），这些患者具有较高的功能能力和较低的不良事件风险，主要是没有合并症的年轻男性，他们接受外科手术；Profile 2（中等风险），这些患者具有中等的功能依赖性和中等的风险水平，通常是中年人，合并症较少，且通常通过急诊入院；Profile 3（高风险），这些患者具有严重的依赖性、较高的年龄、较高的合并症，并且通常因医疗原因入住心脏病学、神经学或肺病学单元。这些profile代表了不同的临床和功能脆弱性模式，有助于指导护理决策和个性化护理计划。据我们所知，这是首次将这三个关键的护理敏感指标——功能能力、压疮风险和跌倒风险——结合在一起的研究，并在住院成人中使用了聚类分析和多重对应分析方法。虽然之前的研究已经在初级护理（Vergara等人，2019年）或姑息治疗（Machón等人，2020年）等背景下独立探讨了每个风险因素，但本研究提供了一个适用于急性护理医院环境的多维度视角，这与国际上全面风险分层和使用临床决策支持系统的趋势一致。最近关于医院环境中预测模型的研究主要集中在跌倒风险上，但也纳入了功能能力和共病变量，研究表明将多个风险领域整合到医院信息系统中可以提高预测能力并增强对预防干预措施的遵守程度（Jung等人，2023年；Mao等人，2025年）。这些风险特征的识别与护理评估过程密切相关。在常规实践中，功能能力、压疮风险和跌倒风险通常通过标准化工具进行评估，如Barthel指数、Braden指数和Downton量表。尽管本研究使用了这些已建立的测量方法来构建聚类变量，但最近的发展，如VALENF工具（Luna-Aleixos等人，2022年；Luna-Aleixos, Llagostera-Reverter等人，2023年），提出了一种将多个护理敏感指标整合到单一工具中的综合护理评估框架，减少了重复工作并促进了更高效的临床记录。从这个意义上说，本研究识别出的患者特征并不构成一个新的评估工具，而是反映了常规护理评估中出现的模式。像VALENF这样的工具可以通过在电子健康记录系统中实现更快、更整合的患者评估来促进这些特征的实际应用。这三种风险之间的相互作用表明了一种协同效应：功能能力的丧失增加了跌倒的概率，而跌倒后的不动则会增加压疮的风险（Dávila López，2023年）。这一发现强调了需要共同应对这些风险。最近的一项队列研究支持了这种方法，证明了基于真实临床数据的多模式框架的有效性以及预测模型的潜力，可以补充护理人员的临床判断（Padula等人，2024年）。结合所有三个指标的全面评估可以更准确地了解患者的脆弱性，并加强预防规划和患者安全。先前的研究表明，功能能力的丧失、压疮风险和跌倒风险各自都与更高的发病率和死亡率相关（Gasperini等人，2021年）。然而，本研究通过在一个单一分类系统中展示这些因素的综合相关性，进一步推动了这一证据，支持了多维度的方法来保障患者安全。此外，结果还突显了传统工具（Barthel、Braden和Downton）的局限性，这些工具的临界点在不同研究中存在差异（Baztán等人，1993年；Bueno-García等人，2017年；Moreno-Pina等人，2007年）。所提出的经验分类（严重依赖：0-30；中度：35-75；低度：80-100）可能有助于这些量表的未来标准化，便于将其整合到在医院队列中验证的预测模型以及最近关于数字安全干预的综述中（Ahmad等人，2025年；Padula等人，2024年）。多重对应分析确认了患者特征与人口统计和临床变量之间的一致性关联。较年轻的成年人（18-65岁）主要被归类为低风险特征，而80岁以上的老年人则多属于高风险特征，这与文献中将年龄与功能衰退（Arroyo-Cruz和Morales-Rodríguez，2022年）、跌倒（Bueno-García等人，2017年；Xu等人，2025年）和压疮（Kayser等人，2019年）联系起来的结果一致。我们的发现证实并扩展了这些关联，表明年龄和共病情况相互作用，形成了不同的脆弱性轨迹。最近的预测模型也证实，年龄、共病情况和功能能力是老年人跌倒和医院并发症的主要预测因素（Mao等人，2025年）。关于性别，结果与先前的研究部分不同。在这个样本中，男性更常被归类为低风险组，而其他研究则报告男性压疮的发生率更高（Alderden等人，2017年），以及女性跌倒相关伤害更严重（Xu等人，2025年）。这些差异可能反映了功能老化模式的生理和社会差异，以及年龄与性别的交互作用，因为老年女性在高风险特征中的比例较高。我们的发现提供了这种交互作用的定量证据，强调了未来需要进行纵向和比较研究以明确建模这些关系的必要性（Mao等人，2025年）。关于临床特征，较高的共病情况始终与风险增加相关，这加强了先前的发现（Sangrós González等人，2017年）。接受外科手术的患者主要属于低风险组，而内科住院患者则集中在高风险特征中，特别是在心脏病学、胃肠病学和肺病学部门。然而，多变量分析表明，仅内科专业并不能决定患者的风险，这意味着护理工作量和护理组织应该根据患者特征而不是服务线来安排。这一观点与国际证据一致，强调了护士人员分配和基于患者病情严重程度的规划在改善安全结果方面的重要性（Adamuz等人，2025年；AHRQ，2025年；Juvé-Udina等人，2025年）。根据功能和风险特征来组织护理可能为优先处理护理和指导预防策略提供一个有用的框架。然而，这种方法对工作量分配、护理效率或患者结果的实际影响应在未来的实施研究中进行评估。尽管多项逻辑回归模型解释了一定比例的变异（Nagelkerke R2 = 0.243），但它证实了较年轻的年龄、无共病情况、外科手术和计划入院增加了属于低风险特征的可能性，而女性性别、内科手术和紧急入院则与较高风险相关。需要注意的是，回归分析的目的不是预测个别不良事件，而是识别与特征成员相关的人口统计和临床因素，以支持患者分层和护理规划。医院部门之间没有显著差异，这加强了根据患者特征而不是内科专业来组织护理的相关性。这些结果支持所提出的模型作为优先处理护理、平衡工作量和基于患者实际复杂情况改进护理规划的临床适用性（Adamuz等人，2025年）。文献中关于单独干预措施预防跌倒、压疮或功能衰退的有效性仍存在争议。本研究的发现支持开发综合的、特定于特征的策略，例如结合这些风险预防措施的多维度护理包（Chaboyer等人，2024年）。最近的综述证实，当压疮预防包与教育策略、监督和持续反馈结合使用时，可以降低医院发病率（Demir和Karadag，2025年；Kandula，2025年）。将这些干预措施扩展到综合风险预防将代表向更加全面、个性化和基于证据的护理实践的进步。从实际角度来看，将这些特征纳入电子健康记录可能实现自动风险分类，并支持根据患者特征激活护理干预。最近的文献支持决策支持系统在预防跌倒和压疮方面的可行性，同时强调了评估其临床效果和确保算法透明度和安全性的必要性（Ahmad等人，2025年；Jung等人，2023年；Padula等人，2024年）。未来的研究应评估基于特征的干预措施是否比传统的单一风险评估更能改善临床结果和护理效率。从临床角度来看，识别出的特征可能有助于根据患者的功能状态和安全风险来结构化护理评估和护理优先级。属于特征1（低风险）的患者可能主要需要维护性护理和定期监测；属于特征2（中度风险）的患者可能受益于加强的监督和定期重新评估；而属于特征3（高风险）的患者可能需要更密集和多学科的预防策略。除了个体护理计划外，这些特征还可以在单位层面支持临床决策，有助于更透明的护理干预优先级和更平衡的工作量分配。通过根据综合功能和风险特征对患者进行分组，护理团队可以更容易识别高复杂性患者群体，并相应地分配预防资源。这种方法与基于患者病情严重程度的当前人员配置和风险导向的护理组织模型一致，旨在在优化护理资源利用的同时提高患者安全。尽管识别的特征为根据综合功能和风险特征对住院患者进行分层提供了一个结构化的框架，但它们应被视为概念模型，而不是经过临床验证的干预措施。本研究并非旨在评估患者结果、护理效率或基于特征的策略对临床实践的影响。因此，虽然这些特征可能支持护理规划和资源分配，但它们在改善患者结果方面的有效性仍需通过前瞻性和干预性研究来确定。总体而言，本研究为理解住院患者的综合风险模式提供了一种结构化的方法，支持更加综合和以患者为中心的护理规划。在护理文档数字化日益增加的背景下，像VALENF这样的综合评估工具，结合基于特征的患者分层，可能有助于开发更高效和具有临床意义的医院护理决策支持系统。鉴于本研究是在西班牙的一家医院进行的，因此在推广研究结果时需要谨慎。然而，使用广泛实施的护理评估工具可能有助于将这些特征适应其他医疗环境。未来的研究应关注在不同地区和临床专业中的外部验证和情境适应。

4.1 限制

本研究的结果应谨慎解读，因为存在几个可能影响结果普遍性的限制。首先，这是一项在单一医院进行的观察性研究，这可能限制了结果在其他医疗环境中的适用性。此外，分析基于从电子健康记录中提取的回顾性数据，这可能涉及与临床文档的准确性和完整性相关的偏差。另一个限制是一些评估工具的可靠性，特别是Downton跌倒风险指数，在某些临床环境中已被报道具有有限的敏感性和特异性（Aranda-Gallardo等人，2015年）。Downton量表的相对较低敏感性可能导致一些高风险患者被错误地分类为低风险组，从而可能影响聚类程序中的跌倒风险部分，导致某些患者特征的跌倒风险被部分低估。然而，该工具在该机构内的使用是标准化的，并反映了常规护理实践。此外，聚类模型整合了三个互补的指标（功能能力、压疮风险和跌倒风险），这降低了整体分类仅依赖于Downton得分的可能性。最近的证据还强调，鉴于跌倒的多因素性质，未来的研究应考虑同时使用多种评估工具（Strini等人，2021年）。此外，结合先进分析方法的新出现的多模式方法可能进一步提高复杂临床人群的预测准确性（Galv?o等人，2021年；Ladios-Martin等人，2022年）。尽管存在这些限制，这些发现为护理实践提供了有价值的证据，对临床、管理、教育和研究等多个领域都有影响。从临床角度来看，识别出的特征可能支持根据每个患者的具体特征制定个性化的护理计划。从管理角度来看，这些结果提供了优化资源、分配工作量和根据患者风险特征优先处理预防干预的有用信息。同样，这些发现可以整合到护理教育计划中，促进对医院护理中风险分层重要性的基于证据的理解。最后，这项研究为开发和实施综合护理策略以改善成人住院单元的安全性和护理质量开辟了新的研究途径。总的来说，这些贡献可能促进数据驱动的决策制定，并促进更有效的护理实践，以响应患者需求。尽管根据Barthel、Braden和Downton量表以及年龄和性别等人口统计变量将患者分层提供了对患者脆弱性的更全面视图，但这些特征的临床实用性仍需验证。特别是，本研究没有评估这些特征的应用是否转化为改善患者结果、减少不良事件或提高护理效率。因此，需要未来的前瞻性和实施研究来评估它们的实际临床效用。在这方面，通过电子健康记录实现这一过程的自动化可能有助于将患者分配到特定特征中。然而，只有伴随着为每个群体量身定制的基于证据的干预协议，这种进步才有意义。目前，尽管功能能力、跌倒风险和压疮风险的个别评估并不完美，但几十年来它们已经指导了特定的护理计划，以减轻不良事件。然而，鉴于关于综合评估的文献有限，目前尚无法证明这些新的综合评估方法是否比传统方法更能帮助护士有效地选择和实施干预措施。因此，未来的研究应明确界定每种评估方法针对的最有效干预措施，并评估其实施是否能够提高护理的效率和质量。此外，将这些干预措施与早期风险识别相结合，而不是单独评估各个风险因素，可能会进一步强化护理实践。通过这种方式，早期识别高风险患者并实施基于评估结果的护理方案，可以促进更安全、更高质量且以患者为中心的医院护理。

5 结论
本研究根据功能能力、压疮风险和跌倒风险，确定了三类不同的住院成人患者群体。社会人口统计学和临床变量（如年龄、性别、入院类型和并发症程度）进一步有助于对这些患者群体的特征进行区分。这些发现为制定和实施针对每位患者功能和风险特征的护理策略提供了坚实的实证基础。此类策略有助于优化护理计划、资源分配以及预防不良事件。基于评估结果的分层方法是一种实用且以数据为导向的方式，有助于在医院环境中推进个性化、高效且注重安全的护理服务。未来的研究应评估为每种患者群体设计的干预措施的有效性，并探索将其整合到电子健康记录系统中，以实现自动化的实时风险评估和个性化护理服务。

6 临床资源
世界卫生组织。《2021–2030年全球患者安全行动计划》。https://www.who.int/publications/i/item/9789240032705
医疗保健研究与质量局（AHRQ）。《预防医院内跌倒：提升护理质量的工具包》。https://www.ahrq.gov/patient-safety/settings/hospital/fall-prevention/toolkit/index.html
国家压疮咨询小组（NPIAP）。《压疮/损伤的预防与治疗：临床实践指南》。https://npiap.com/page/Guidelines
安大略省注册护士协会（RNAO）。《跨专业团队的压疮评估与管理指南》。https://rnao.ca/bpg/guidelines/pressure-injuries
疾病控制与预防中心（CDC）。《老年人跌倒预防STEADI计划》。https://www.cdc.gov/steadi/index.html

资金支持
本研究得到了Jaume I大学的支持[资助编号UJI-A2020-08]。

伦理声明
本研究已获得参与医院研究伦理委员会的批准，根据西班牙法律规定（VALENF代码12/01/2021），该委员会同意免除知情同意的要求。

利益冲突
作者声明没有利益冲突。

数据可用性声明
请注意，相关数据库存储在开放存储库中。您可以通过以下链接访问数据：http://hdl.handle.net/10234/734861（访问日期：2025年5月12日）。