近十年我國老年人跌倒研究熱點共詞聚類分析

宋咪 皮紅英 張華果 徐月

(解放軍醫學院 中國人民解放軍總醫院，北京 100853)

據世界衛生組織(World health organization,WHO)報道,全世界每年有64.6萬人因跌倒而死亡，跌倒死亡占中國總死亡人數比：218人/萬人，60歲以上老人跌倒死亡占中國總死亡人數比：180人/萬人[1]。跌倒作為老年人意外傷害死亡的首要原因，嚴重影響了老年人身心健康、生活質量、預期壽命,同時帶來嚴重的家庭、社會經濟負擔[2]。本研究擬對近10年國內關于跌倒的研究進行數據挖掘及分析，以期為今后促進老年跌倒領域的研究提供參考。

1 資料與方法

1.1一般資料 以中國知網學術期刊網絡出版總庫(CNKI)、萬方數據知識服務平臺(Wan Fang)、維普生物醫學期刊數據庫(VIP)和中國生物醫學文獻服務系統(CBM)數據庫作為本研究數據來源，檢索年限為2010-2019年。

1.2納入及排除標準 納入標準：(1)研究對象在國內。(2)發表語言為中文。(3)在我國科技核心期刊目錄(2019版)收錄的核心期刊上發表的老年跌倒相關文獻。排除標準：(1)重復發表的文獻。(2)介紹國外老年人跌倒管理現況/經驗的文獻。(3)研究對象不足60歲。(4)會議摘要、新聞報道、碩博士論文、資訊或其他灰色文獻。

1.3文獻篩選 由2名研究人員同時獨立完成，根據題名、摘要或全文排除明顯不符合納入、排除標準的文獻并對兩人的篩選結果進行比較，若出現結果不一致，由二者討論解決或交由第三方裁定。

1.4文獻分析 文獻去重后逐條閱讀篩選，將最終納入的文獻導入書目共現分析系統(Bibliographic items co-occurrence matrix builder，Bicomb)，記錄字段格式的種類、自定義設置抽取模板，對關鍵字字段模板進行設置，提取年發文量及關鍵詞。利用Bicomb進行數據清洗，對同義詞進行替換，如將“跌落”“摔倒”“意外跌倒”規范為“跌倒”，導出詞篇矩陣，使用NetDraw進行老年跌倒高頻關鍵詞的社會網絡分析，Ucinet 6.0進行聚類分析。

2 結果

2.1發文量分析 本研究初篩文獻為10 358篇，其中CNKI 2 845篇，Wanfang 2 296篇，VIP 1 711篇，CBM 3 506篇。剔除重復文獻5 392篇，不符合納排標準的文獻4 084篇，最終納入分析的文獻共882篇。年度發文數量，見表1。

表1 2010-2019年年度老年跌倒相關論文數量

2.2高頻關鍵詞 研究共出現819個關鍵詞，結合高頻詞低頻詞界分公式與詞頻G指數的方法選取次高頻詞。根據Donohue公式：T=[(1+8I1)1/2-1]/2[3]，計算出高頻關鍵詞共14個，分別為：跌倒、老年人、危險因素、老年患者、跌倒風險、老年、住院患者、預防、跌倒檢測、社區、護理、平衡能力、跌倒預防、害怕跌倒，出現頻次累計百分比約為43.70%。根據詞頻G指數計算高頻關鍵詞共46個[4]，出現頻次的累計百分比約為58.69%，見表2。

表2 中國老年人跌倒高頻關鍵詞

2.3社會網絡分析結果 社會網絡分析顯示，老年人、跌倒處于網絡圖的中心區域；周圍分布有跌倒風險、平衡能力、老年患者、危險因素、社區、護理等關鍵詞，相對邊緣位置分布的關鍵詞有糖尿病、慢性病、信度、效度、評估、流行病學、支持向量機、傳感器等。見圖1。

圖1 跌倒高頻關鍵詞的社會網絡分析圖

2.4研究熱點 使用Ucinet軟件進行聚類子群及派系分析，見圖2。將46個高頻關鍵詞聚為5類，結合具體文獻以及專業理論知識將研究熱點主題歸納為5個方面，見表3。

圖2 跌倒高頻關鍵詞子群分析及派系聚類圖

表3 老年人跌倒研究熱點主題

3 討論

近10年來，我國科技核心期刊發表老年人跌倒相關文章逐年遞增，可見老年跌倒研究逐漸增多，可能與我國人口預期壽命延長，老年人數逐年增長，健康問題突出有關。隨著我國老齡化加劇，未來一段時間關于老年人跌倒的研究應會持續增長。

3.1跌倒評估及干預是我國老年人跌倒研究領域的熱點 聚類結果顯示：跌倒評估類關鍵詞累積占比23.57%，干預類占4.29%，預防類占1.21%，可見對評估的研究較為廣泛。評估主要是對社區、養老機構和住院老年人進行的跌倒流行病學、危險因素和軀體功能的研究。常使用量表將風險量化，部分研究以此為切入點，對量表信效度進行研究。我國使用較多的量表有Morse量表、Berg平衡量表等。但跌倒成因復雜，風險的準確預測需要進行諸多方面的評估，而隨著評估條目的增加,被測者可能會出現疲勞或注意力不集中,反而使誤差增大[5]，無法在保證信度情況下減小誤差。現有工具大都是針對部分危險因素的評估或測試，因此不能準確預測跌倒風險，很難找到可廣泛推薦使用的評估工具[6]。

對老年人跌倒的護理干預包括運動干預、健康教育等，其中運動干預以奧塔戈運動項目(Otago exercise programmer，OEP)和太極拳運動較為常見。OEP起源于新西蘭，可通過改善平衡、步態和下肢肌力，降低老年人跌倒風險，已在許多國家及地區應用，效果良好[7]。Li等[8]研究證實，太極拳運動可降低老年人跌倒發生率，同時有研究[9]顯示，健康教育在降低老年人跌倒發生的效果與太極拳運動一致。

老年人跌倒風險準確評估對預防干預至關重要，跌倒相關評估工具的研究可作為未來研究的切入點。同時在跌倒預防過程中不僅要注重軀體功能改善，相關知識的宣教也不能忽視。

3.2針對特定人群的老年人跌倒研究的關鍵切入點 作為全球卒中發病率最高的國家，我國卒中后殘疾發生極為普遍，卒中影響老年人感知覺功能、步態及平衡能力等，增加跌倒風險[10]。姜玉等[11]對上海市長寧區老年腦卒中患者的研究發現，卒中患者跌倒年發生率為28.91%。同樣，糖尿病并發癥，如：視網膜病變、糖尿病足等會導致患者視覺及觸覺障礙從而增加跌倒風險。骨質疏松為跌倒獨立危險因素，而跌倒則是骨質疏松骨折的主要危險因素。據報道[12]，有95%的髖部骨折是跌倒所導致。髖部骨折后，期望壽命會減少10%～15%，有25%髖部骨折的老年人可能在6個月內死亡[13-14]。上述患病人群廣泛，跌倒發生率高，且后果嚴重，因此針對特定人群的跌倒研究在跌倒管理方面很有必要。

3.3心理健康是老年人跌倒研究中不容忽視的問題 本研究結果顯示，近10年來，跌倒相關研究不單是對軀體功能的關注，對跌倒心理的關注也逐漸增多。反應跌倒心理的常用指標為跌倒效能，跌倒效能越高的老年人，越不害怕跌倒。Phelan等[15]研究指出：害怕跌倒與姿態不穩、平衡能力下降、信心缺乏及活動減少有關，由于害怕跌倒會引起活動受限，加速了老年人功能下降，近而增加跌倒風險。Jo等[16]研究發現，心理健康狀態(抑郁、睡眠障礙、害怕跌倒)與跌倒發生次數顯著相關，害怕跌倒的老年人再次跌倒風險為沒有跌倒恐懼老年人的2.3倍。提示未來研究可通過緩解老年人害怕跌倒心理，從而降低跌倒的發生。

3.4基于機器學習及傳感器的老年人跌倒研究是跌倒研究的新興方向 隨著“互聯網+醫療”技術的發展，基于計算機技術的老年人健康問題的研究逐漸增多。本研究發現，針對老年人跌倒的研究多采用傳感器進行步態數據收集，借助機器學習法構建老年人跌倒檢測模型。

老年人步態異常與跌倒發生密切相關，美國老年醫學會建議對有跌倒史的老年人進行步態評估[17]。常采用定性或定量分析法。定性分析法指觀察者結合專業知識，肉眼觀察受試者的步態特征，做出初步診斷，該方法主觀性強，準確性難以保證。而定量分析法采用各種步態監測設備，如傳感器，進行數據收集，減少了人為因素的影響，保證了數據的準確客觀[18]。

跌倒問題的發生是多種因素共同作用的結果，各因素之間相互影響，且存在復雜的非線性關系，使用傳統機器學習的方法預測，如Logistic回歸，可能會出現共線性及欠擬合的問題，這時應使用非線性的機器學習方法進行分類預測，如神經網絡和支持向量機。目前機器學習算法已在很多領域應用，并取得較好的應用效果，如圖像識別與分類、語音識別、用戶興趣挖掘及個性化推薦。在醫學領域的應用也逐漸開展，像細胞譜系預測、心電圖診斷、肺部疾病篩查，實現了較為精準的預測[19-20]。提示我們可采用機器學習的方法構建老年人跌倒風險預測模型，實現對老年人跌倒風險的精準預測，提升跌倒預測的準確率。

綜上所述，本研究對近10年發表在我國科技核心期刊上老年跌倒相關的論文進行分析，歸納出老年跌倒領域的研究熱點、切入點及新興方向，強調了心理健康問題對老年人跌倒發生的影響。由于研究僅納入我國近10年的發表的期刊論文，納入文章數量受限，未來仍需更加細致全面的分析。