根據(jù)世界衛(wèi)生組織(WHO)的定義，跌倒被定義為“無(wú)意中落在地面、地板或其他較低的地方，但不包括有意改變落在家具、墻壁或其他物體上的位置”。研究普遍認(rèn)為造成跌倒的原因是多樣的，即它們有與患者相關(guān)的風(fēng)險(xiǎn)因素(內(nèi)在的)，也有與環(huán)境和工作流流程相關(guān)的風(fēng)險(xiǎn)因素(外在的)。在此之前的研究不僅指出了內(nèi)在的危險(xiǎn)因素(如精神狀態(tài)的改變、跌倒史、行走輔助的需要、視力的變化等)，而且還指出了外在的危險(xiǎn)因素(環(huán)境:低照度、床高、滑面等);工作流程:工作需求、缺少護(hù)理人員、用藥數(shù)量等。

 因此，建議使用預(yù)測(cè)風(fēng)險(xiǎn)模型來(lái)識(shí)別這些風(fēng)險(xiǎn)因素之間的復(fù)雜關(guān)系，以及如何識(shí)別和評(píng)估它們，從而采取更有效的預(yù)防措施。所以構(gòu)建和驗(yàn)證新模型預(yù)測(cè)成年住院患者跌倒的發(fā)生非常重要,可以幫助臨床護(hù)士來(lái)降低病人跌倒的風(fēng)險(xiǎn)。

這是一項(xiàng)匹配的病例對(duì)照研究，比較病例及其對(duì)照之間的預(yù)測(cè)變量，以確定與跌倒相關(guān)的變量。研究人群為11個(gè)醫(yī)院病房的成人臨床和外科患者。對(duì)于在數(shù)據(jù)收集期間跌倒不止一次的患者，只考慮第一次事件。

1、收集數(shù)據(jù)

根據(jù)研究方案，所有跌倒的患者在跌倒后72小時(shí)內(nèi)被納入研究。數(shù)據(jù)直接從患者、電子病歷、醫(yī)院跌倒風(fēng)險(xiǎn)量表和醫(yī)院跌倒特征機(jī)構(gòu)表中收集。后者包括觸發(fā)事件的因素和跌倒前患者的臨床情況。為規(guī)范患者評(píng)價(jià)，數(shù)據(jù)采集組還進(jìn)行了定時(shí)行走檢測(cè)。并且，對(duì)跌倒事件的評(píng)估和數(shù)據(jù)收集和報(bào)告是共同進(jìn)行的。

2、變量和測(cè)量

研究變量是根據(jù)先前文獻(xiàn)綜述中發(fā)現(xiàn)的臨床和流行病學(xué)相關(guān)性的標(biāo)準(zhǔn)預(yù)定義的。對(duì)每個(gè)感興趣的變量都作了概念和業(yè)務(wù)定義，并在以前關(guān)于跌倒危險(xiǎn)因素的研究中提出跌倒的相關(guān)因素。

3、數(shù)據(jù)分析

研究采用SPSS 18.0版(統(tǒng)計(jì)分析系統(tǒng)，芝加哥，美國(guó))隨機(jī)抽樣(在檢驗(yàn)和驗(yàn)證樣本之間)，以配對(duì)的病例-對(duì)照(每個(gè)病例都有各自的對(duì)照)的方式進(jìn)行檢驗(yàn)和驗(yàn)證樣本的分布，以防止時(shí)間和選擇偏差。因此，三分之二的患者被用于檢測(cè)，三分之一的患者被用于驗(yàn)證。在描述性分析步驟中，對(duì)所有變量進(jìn)行分析，以識(shí)別和糾正異常值和缺失的數(shù)據(jù)。

正態(tài)分布連續(xù)變量表示為均值、標(biāo)準(zhǔn)差和置信區(qū)間(95% CI)，不對(duì)稱變量表示為中值和四分位數(shù)范圍。使用直方圖來(lái)評(píng)估變量是否正態(tài)分布。分類變量用百分比和絕對(duì)值表示。建模過(guò)程僅使用來(lái)自測(cè)試樣本的數(shù)據(jù)。

采用條件logistic回歸分析預(yù)測(cè)變量與下降量之間的關(guān)系。一些來(lái)自單變量邏輯回歸(測(cè)試樣本)的數(shù)據(jù)在之前的一項(xiàng)研究中被提出，該研究確定了住院成人患者的下降預(yù)測(cè)因子。

通過(guò)卡方計(jì)算對(duì)連續(xù)變量進(jìn)行線性檢驗(yàn)。為了驗(yàn)證，對(duì)測(cè)試和驗(yàn)證樣本之間的變量性能進(jìn)行了比較。評(píng)分系統(tǒng)由回歸得到的OR值構(gòu)建。

準(zhǔn)確性采用c指數(shù)進(jìn)行評(píng)估，敏感性、特異性、陽(yáng)性預(yù)測(cè)值和陰性預(yù)測(cè)值采用Win PEPI (PEPI for windows)統(tǒng)計(jì)軟件包計(jì)算。校準(zhǔn)是通過(guò)比較一組的子組預(yù)測(cè)和觀察到的平均響應(yīng)，以及驗(yàn)證樣本中預(yù)測(cè)概率的五分位數(shù)來(lái)計(jì)算的。

研究篩選了544例符合條件的病例(圖1)。研究的最終分析包括536例患者，268例和268例對(duì)照，隨機(jī)分為測(cè)試(N-358例[179例和179例對(duì)照])和驗(yàn)證(N-178例[89例和89例對(duì)照])樣本。

1、跌倒的患者(病例)及其特點(diǎn)

在檢驗(yàn)和驗(yàn)證樣本中，男性患者的患病率更高(分別為57% [N = 204]和58.4% [N = 104])，平均年齡分別為57.3歲和59.1歲。實(shí)驗(yàn)樣本的住院天數(shù)中位數(shù)為12天(5天至20天)，驗(yàn)證樣本的住院天數(shù)中位數(shù)為11天(6天至18天)。在測(cè)試樣本中，116例(64.8%)和73例(40.7%)的對(duì)照者在研究完成時(shí)沒(méi)有護(hù)理人員，而在驗(yàn)證樣本中，58例(65.1%)和40例(44.9%)的對(duì)照者沒(méi)有護(hù)理人員。

2、測(cè)試樣本的單變量logistic回歸

選擇初始回歸中18個(gè)足夠顯著的變量(p <0.25，上CI <8.0和/或下CI >.025)。然而，其他臨床/科學(xué)上重要的變量沒(méi)有被排除，因?yàn)榛貧w模型在單變量分析中可能有不同的結(jié)果，即在存在其他協(xié)變量的情況下，一個(gè)變量在統(tǒng)計(jì)上可能變得顯著。

3、從獲得的優(yōu)勢(shì)比中進(jìn)行多元邏輯回歸和風(fēng)險(xiǎn)因素權(quán)重

隨后，在條件多元logistic回歸中，采用倒向方法，直到只剩下p值<0.05的變量。為了建模的目的，在單變量階段選擇10個(gè)臨床和科學(xué)上重要的變量，無(wú)論p值如何，在多變量模型中進(jìn)行測(cè)試。判別最好的結(jié)果為SAK (Severo-Almeida-Kuchenbecker)跌倒量表，由p值<0.05的變量構(gòu)成，與前一次下降的跌倒相關(guān)(不顯著)，如表3所示:

4、在實(shí)驗(yàn)(n = 358)和驗(yàn)證(n = 178)樣本中，SAK下降量表的預(yù)測(cè)特性

評(píng)分系統(tǒng)考慮了預(yù)測(cè)事件發(fā)生概率的最佳臨界點(diǎn)，截止點(diǎn)分別為0.44和0.54。

SAK下降量表顯示了足夠的準(zhǔn)確度值（C指數(shù)0.681[95%置信區(qū)間：0.602-0.760]）和校準(zhǔn)（P=0.132）。最低分為0分，最高分為24分（考慮到最多8種藥物）表4描述了測(cè)試和驗(yàn)證樣本中SAK下降量表的診斷屬性。

（1）研究的結(jié)果使得包含與患者和護(hù)理環(huán)境相關(guān)的獨(dú)立跌倒風(fēng)險(xiǎn)變量的預(yù)測(cè)模型的構(gòu)建和驗(yàn)證成為可能。該量表包括其他模型中沒(méi)有考慮的變量，如內(nèi)在因素的術(shù)后狀態(tài)、事件前用藥的數(shù)量(最多72小時(shí))和外在因素的缺乏護(hù)理人員。

（2）該模型考慮臨床相關(guān)的，以及統(tǒng)計(jì)上顯著的變量，包括:定向障礙和/或混淆;尿頻;行走的局限性;之前的下跌;秋季前用藥次數(shù)(最多72小時(shí));術(shù)后狀態(tài)及缺少護(hù)理人員，具有可接受的診斷價(jià)值(表4)。

（3）經(jīng)過(guò)驗(yàn)證的SAK跌倒量表包括內(nèi)在(患者)變量和外在變量(缺少護(hù)理人員和藥物數(shù)量)，因此不同于當(dāng)前的其他量表。基于該量表的可行性和易用性(如床邊應(yīng)用)，使得研究結(jié)果對(duì)醫(yī)院衛(wèi)生保健服務(wù)的臨床實(shí)踐，特別是那些治療臨床和外科患者的醫(yī)療保健服務(wù)具有啟示意義。在臨床實(shí)踐中，該量表可以告知臨床護(hù)理決策，并顯示外部變量如何影響衛(wèi)生保健實(shí)踐。

（4）SAK跌倒量表也強(qiáng)調(diào)了護(hù)士臨床判斷的重要性，通過(guò)新的預(yù)測(cè)模型更準(zhǔn)確地診斷跌倒風(fēng)險(xiǎn)，一旦建立，可以指導(dǎo)事件預(yù)防和患者安全的有效干預(yù)措施的規(guī)劃和實(shí)施。

（5）在教學(xué)中，模型是刺激學(xué)生批判性思維的工具，有助于他們?cè)谧R(shí)別有潛在跌倒風(fēng)險(xiǎn)的病人時(shí)做出臨床判斷。此外，它們可以促進(jìn)更健壯的研究設(shè)計(jì)，刺激未來(lái)的調(diào)查和關(guān)于風(fēng)險(xiǎn)評(píng)分發(fā)展的新假設(shè)，其中最大的結(jié)果是患者的安全。

參考文獻(xiàn)：

[1] Severo I M, Kuchenbecker R, Vieira D F V B, et al. A predictive model for fall risk in hospitalized adults: A case–control study[J]. Journal of Advanced Nursing, 2019,75(3):563-572.