步速和握力對住院老年患者全因死亡和跌倒的預測價值研究

楊卉，崔云婧，張少景，王麗軍，王青

步速和握力作為簡單、有效地評價老年人軀體功能和肌肉力量的指標，亦是衰弱和肌少癥診斷的核心指標［1-2］。廣泛的研究證據表明，步速和握力均是衰老和健康結局的生物標志物，與死亡、心血管疾病、失能、認知功能下降等不良結局相關［3-6］。來自英國生物樣本庫的對基線無心血管疾病的超40萬人的隊列研究顯示，將步速或握力添加到歐洲心臟手術風險評估系統（Euro SCORE）評分中能夠提高對心血管疾病的風險預測，將二者聯合添加時，預測效果更強［7］。一項基于中國健康與養老追蹤調查的前瞻性隊列研究顯示，步速和握力可以獨立或聯合預測社區老年人跌倒的發生，二者聯合可能會提高對跌倒風險高危人群的預測［8］。目前國內對步速和握力二者聯合與住院老年患者出院后不良結局的研究鮮見報道。本研究旨在探討步速和握力對住院老年患者預后的影響，有助于優化老年人健康管理。

1 對象與方法

1.1 研究對象 選取2015年8月至2018年12月在首都醫科大學附屬復興醫院老年科住院的老年患者656例為研究對象。納入標準：（1）年齡≥65歲；（2）住院時間＞24 h；（3）意識清晰，能完成步速、握力測定及老年綜合評估內容；（4）自愿參與本研究并簽訂知情同意書。排除標準：（1）長期臥床、癡呆晚期及失語；（2）因急性心肌梗死或卒中入院，或近3個月內發生過心腦血管急性事件；（3）惡性腫瘤晚期或正在接受抗腫瘤治療；（4）存在嚴重影響步速的疾病，如帕金森病、近期髖部骨折及致殘性卒中等。本研究在首都醫科大學附屬復興醫院倫理委員會備案（文件號：2015FXHEC-KY016）。

1.2 方法

1.2.1 一般資料和實驗室檢查指標收集 一般資料包括年齡、性別、身高、體質量、合并疾病情況、長期用藥數量，并根據身高和體質量計算體質指數（body mass index，BMI）；實驗室檢查指標包括血紅蛋白、肌酐，并根據改良簡化的MDRD公式計算估算腎小球濾過率（eGFR）［9］。

1.2.2 步速測定 采用6米步行試驗測定患者步速［2］，囑患者按照平時速度從起點靜止狀態開始行走6 m，在患者足尖越過測試起點時開始計時，在其足尖越過測試區終點時結束計時，記錄行走時間（s），共行走2次，取行走時間均值，計算行走速度（m/s）。依據步速三分位數將患者分為T1、T2、T3組，其中T1組步速≤0.6 m/s，T2組步速為＞0.6～0.8 m/s，T3組步速＞0.8 m/s。

1.2.3 握力測定 采用電子讀表式握力計〔香山EH101握力計（產地：廣東中山）〕測定患者握力［2］?；颊呷≌玖⑽弧⑸熘鉁y量，優勢手用最大力量等距收縮，同一只手測量2次，間隔至少15 s，選取最大讀數（kg）。依據握力三分位數將患者分為L1、L2、L3組，其中L1組握力：男性≤21.6 kg、女性≤14.6 kg，L2組握力：21.6 kg＜男性≤28.2 kg、14.6 kg＜女性≤19.4 kg，L3組：男性 ＞28.2 kg、女性 ＞19.4 kg。

1.2.4 老年綜合評估 老年綜合評估包括共病情況、營養狀態、日常生活活動能力、認知功能情況、多重用藥情況。采用Charlson共病指數（Charlson Comorbidity Index，CCI）［10］評估共病情況，該評估方法加權了年齡、共存疾病數量和嚴重程度，疾病評估包括19項疾病，嚴重程度評估根據疾病嚴重程度權重分別賦予1、2、3、6分，根據年齡調整分值，自50～59歲開始計1分，每增加10歲分值增加1分。疾病的診斷依據相關診斷標準，由臨床醫生完成記錄。營養狀態采用微營養評定法簡表（Mini-nutritional Assessment Short-form，MNASF）［11］評估，總分14分，12～14分為正常，8～11分提示存在營養不良風險，0～7分提示營養不良；后文將營養不良風險和營養不良統稱為營養不良（風險）。日常生活活動能力采用Katz-ADL量表［12］（Katz-activities of Daily Living，Katz-ADL）評估，總分6分，＜6分定義為日常生活活動能力下降。認知功能評估采用簡易智力狀態檢查量表（MMSE量表）［13］評估，總分30分，根據文化程度調整分值：小學以下文化程度≤17分、小學文化程度≤20分、中學及以上文化程度≤24分診斷為認知功能障礙。多重用藥定義為用藥數量≥5種［14］。

1.2.5 隨訪 以電話方式進行隨訪，患者出院后每3個月開展1次，1年后每半年開展1次，記錄患者全因死亡及跌倒的發生情況。隨訪起點時間為2015-08-01至2018-12-31，末次隨訪時間為2019-12-31。失訪定義為在預定隨訪時間內至少進行3次電話隨訪，如上一次未成功，在之后的隨訪時間再次進行電話隨訪，截至2019-12-31仍不成功者則納入失訪數據?？紤]到失訪數據＜5%，屬于完全隨機缺失，直接進行刪除處理。全因死亡定義為任何原因的死亡；跌倒定義為發生在任何場所、任何情況下，不論有無造成身體傷害的非預期性跌坐或滑坐于地面，包括因肢體無力或扶持不住而不得不緩緩坐于地上。

1.3 統計學方法 采用SPSS 21.0統計學軟件進行數據分析。符合正態分布的計量資料以（±s）表示，如方差具有齊性，兩組間比較采用獨立樣本t檢驗，如方差不齊則兩組間比較采用Mann-WhitneyU檢驗；非正態分布的計量資料以M（P25，P75）表示，兩組間比較采用 Mann-WhitneyU檢驗；計數資料以相對數表示，組間比較采用χ2檢驗；采用Kaplan-Meier法繪制步速（T1、T2、T3組）、握力（L1、L2、L3組）單獨及聯合預測住院老年患者全因死亡和跌倒發生風險的生存曲線，生存曲線比較采用Log-rank檢驗；采用單因素、多因素Cox回歸分析探究步速、握力單獨及聯合與全因死亡及跌倒發生風險的關系，并計算風險比（HR）和95%置信區間（95%CI）；繪制步速、握力單獨預測住院老年患者全因死亡及跌倒的受試者工作特征（ROC）曲線，進一步通過Logistic回歸分析構建步速、握力聯合診斷模型預測概率，并繪制ROC曲線，計算ROC曲線下面積（AUC）、靈敏度、特異度、最佳截斷值。以P＜0.05為差異有統計學意義。

2 結果

2.1 患者臨床基本特征 685例患者中失訪29例（4.2%），最終收集完整資料共656例。656例患者平均年齡（83.4±6.2）歲，其中男399例（60.8%）、女257例（39.2%），中位隨訪時間3.1（2.4，3.8）年。隨訪期間共130例（19.8%）患者發生全因死亡，147例（22.4%）患者發生跌倒。T1、T2、T3組分別為222、225、209例患者，L1、L2、L3組分別為 215、229、212例患者。

2.2 死亡與非死亡患者、跌倒與未跌倒患者臨床資料比較 死亡患者年齡、CCI高于非死亡患者，BMI、步速、握力、血紅蛋白水平、eGFR水平低于非死亡患者，冠心病、腦卒中、慢性腎臟病患病率及營養不良（風險）、日常生活活動能力下降、認知功能障礙所占比例高于非死亡患者，差異有統計學意義（P＜0.05）；死亡患者和非死亡患者性別和高血壓、糖尿病、慢性阻塞性肺疾病患病率及多重用藥所占比例比較，差異無統計學意義（P＞0.05），見表1。

表1 死亡與非死亡患者臨床資料比較Table 1 Comparison of clinical data between the deceased and survived patients

跌倒患者步速、握力低于未跌倒患者，營養不良（風險）及日常生活活動能力下降所占比例高于未跌倒患者，差異有統計學意義（P＜0.05）；跌倒患者與未跌倒患者年齡、性別、BMI、合并疾病患病率、CCI和認知功能障礙、多重用藥所占比例及血紅蛋白、eGFR水平比較，差異無統計學意義（P＞0.05），見表2。

表2 跌倒與未跌倒患者臨床資料比較Table 2 Comparison of clinical data between patients with and without a fall

2.3 步速及握力與住院老年患者全因死亡與跌倒的關系

2.3.1 步速與住院老年患者全因死亡與跌倒的關系 繪制步速（T1、T2、T3組）與全因死亡和跌倒關系的生存曲線，T1、T2、T3組全因死亡累積發生率的生存曲線比較，差異有統計學意義（χ2=68.120，P＜0.01），見圖1；T1、T2、T3組跌倒累積發生率的生存曲線比較，差異有統計學意義（χ2=14.219，P＜0.01），見圖2。

圖1 不同步速分組住院老年患者全因死亡的生存曲線Figure 1 Survival curve of all-cause mortality in geriatric inpatients according to gait speed

圖2 不同步速分組住院老年患者跌倒的生存曲線Figure 2 Survival curve of falls in geriatric inpatients according to gait speed

2.3.2 握力與住院老年患者全因死亡與跌倒的關系 繪制握力（L1、L2、L3組）與全因死亡和跌倒關系的生存曲線，L1、L2、L3組全因死亡累積發生率的生存曲線比較，差異有統計學意義（χ2=74.213，P＜0.01），見圖3；L1、L2、L3組跌倒累積發生率的生存曲線比較，差異有統計學意義（χ2=9.263，P＜0.01），見圖4。

圖3 不同握力分組住院老年患者全因死亡的生存曲線Figure 3 Survival curve of all-cause mortality in geriatric inpatients according to grip strength

圖4 不同握力分組住院老年患者跌倒的生存曲線Figure 4 Survival curve of falls in geriatric inpatients according to grip strength

2.3.3 步速、握力與全因死亡關系的Cox回歸分析 以住院老年患者全因死亡與否為因變量（賦值：否 =0，是 =1），以步速、握力為自變量，以年齡（賦值：實測值）、性別（賦值：男性=0，女性=1）、BMI（賦值：實測值）、合并冠心?。ㄙx值：否 =0，是 =1）、合并腦卒中（賦值：否=0，是=1）、CCI（賦值：實測值）、營養狀態〔賦值：無營養不良（風險）=0，存在營養不良（風險）=1〕、日常生活活動能力（賦值：無下降 =0，下降=1）、認知狀況（賦值：無認知功能障礙 =0，存在認知功能障礙=1）、多重用藥（賦值：否=0，是=1）、血紅蛋白（賦值：實測值）、eGFR（賦值：實測值）為調整變量，分別進行單因素、多因素Cox回歸分析。單因素Cox回歸分析結果顯示，與T3組相比，T1、T2組全因死亡發生風險增加（P＜0.05）；與L3組相比，L1、L2組全因死亡發生風險增加（P＜0.05）。多因素Cox回歸分析結果顯示，與T3組相比，T1組全因死亡發生風險增加（HR=2.50，P＜0.05）。與L3組相比，L1組全因死亡發生風險增加（HR=2.17，P＜0.05），見表 3。

表3 步速、握力與全因死亡關系的Cox回歸分析Table 3 The association of gait speed and grip strength with all-cause mortality by Cox regression analysis

以住院老年患者跌倒與否為因變量（賦值：否=0，是=1），以步速、握力為自變量，以年齡、性別、CCI、營養狀態、日常生活活動能力、認知狀況、多重用藥為調整變量（賦值同上），分別進行單因素、多因素Cox回歸分析。單因素Cox回歸分析結果顯示，與T3組相比，T1組跌倒發生風險增加（P＜0.05）；與L3組相比，L1組跌倒發生風險增加（P＜0.05）。多因素Cox回歸分析結果顯示，與T3組相比，T1組跌倒發生風險增加（HR=1.64，P＜0.05），見表4。

表4 步速、握力與跌倒關系的Cox回歸分析Table 4 The association of gait speed and grip strength with falls by Cox regression analysis

與T3組、L3組組合患者相比，T1組、L1組組合與T1組、L2組組合患者全因死亡發生風險增加（HR分別為3.29、3.09，P＜0.05），T1組、L1組組合患者跌倒發生風險增加（HR=1.92，P＜0.05），見表5。

表5 不同步速、握力分組組合與全因死亡、跌倒關系的多因素Cox回歸分析Table 5 The association of the combination of gait speed and grip strength with all-mortality and falls by Cox regression analysis

2.3.4 步速、握力單獨與聯合對住院老年患者全因死亡及跌倒的預測效果 繪制步速、握力單獨與聯合預測住院老年患者全因死亡及跌倒的ROC曲線（圖5～6），結果顯示，步速聯合握力預測住院老年患者全因死亡的AUC為0.756〔95%CI（0.710，0.801），P＜0.01〕，約登指數、靈敏度及特異度分別為0.387，71.5%、67.1%；步速聯合握力預測住院老年患者跌倒的AUC為0.700〔95%CI（0.659，0.741），P=0.01〕，約登指數、靈敏度及特異度分別為0.222，71.8%、50.4%；步速、握力單獨預測住院老年患者全因死亡、跌倒的AUC、靈敏度、特異度詳見表6。

圖5 步速、握力單獨與聯合預測住院老年患者全因死亡的ROC曲線Figure 5 ROC curves of gait speed，grip strength and their combination for predicting all-cause mortality in geriatric inpatients

圖6 步速、握力單獨與聯合預測住院老年患者跌倒的ROC曲線Figure 6 ROC curves of gait speed，grip strength，and their combination for predicting falls in geriatric inpatients

表6 步速、握力單獨與聯合預測住院老年患者全因死亡及跌倒的相關指標Table 6 Related variables of gait speed，grip strength，and their combination for predicting all-cause mortality and falls in geriatric inpatients

3 討論

步速是評估和監測老年人群的功能狀態和整體健康狀況的指標，反映了多個器官系統的健康狀況，被稱為人體“第六生命體征”［15］。美國一項基于心血管健康研究（n=3 010，年齡≥65歲）數據的分析評估了基線生理指標測量（血管系統、腦、腎、肺和糖代謝）與6年內步速之間的關系，研究結果顯示，5個器官系統的受損程度與低步速及步速下降幅度相關，提出步速是一項可評估老年人潛在生理健康的指標［16］。步速是反映肌肉力量的指標，與下肢力量、股四頭肌力矩、腓腸肌肌肉橫截面積等顯著相關，低步速是個體活動能力下降的臨床標志，預測效能優于肌肉質量［17］。一項納入了48項隊列研究的薈萃分析（n=101 945，平均年齡72.2歲，隨訪5.4年）探討了步速與死亡的相關性，結果顯示，在調整潛在混雜因素后，步速每降低0.1 m/s，死亡風險增加12%〔HR=1.12，95%CI（1.09，1.14）〕，提示低步速是死亡風險的預測因子［18］。荷蘭一項基于鹿特丹研究的隊列研究（n=4 490，平均年齡67.4歲，隨訪4.5年）探討了步速與死亡的相關性，亦得出相似結論［19］。本研究團隊前期在住院高齡老年患者中探討了步速與全因死亡的相關性，將步速三分位數分組，Cox回歸分析結果顯示，調整混雜因素后，與高步速組相比，中等及低步速組全因死亡發生風險更高（HR分別為2.365、2.363，P＜0.05），提示在住院高齡老年患者中，低步速與全因死亡發生風險相關［20］。一項納入34項觀察性隊列研究的薈萃分析（年齡≥60歲社區老年人群）顯示，無論將握力作為分類變量還是連續變量，均能夠預測該人群的死亡風險［21］。韓國一項隊列研究采用2006—2014年老齡化縱向研究數據（n=5 859，年齡≥50歲）探討了握力與全因死亡的相關性，將握力進行三分位數分組，Cox回歸分析結果顯示，低握力組與全因死亡發生風險相關〔HR=1.90，95%CI（1.33，2.73）〕［22］。荷蘭一項隊列研究（年齡≥70歲的住院患者）探討了握力與死亡的相關性，將握力進行三分位數分組，Cox回歸分析結果顯示，在調整混雜因素后，僅在男性中，低握力與全因死亡發生風險相關〔HR=2.66，95%CI（1.40，5.05）〕［23］。本研究結果表明，在住院老年患者中，低步速及低握力均是死亡風險的預測因子。

近年的一些研究對步速、握力與跌倒的關系進行了探討。2020年肌少癥定義和結果聯盟發布的聲明中，分析了8項流行病學研究、6項臨床隨機對照試驗、4項特殊的隊列研究及2項全國代表性研究，結果顯示，在社區老年人群中，低握力及低步速均可獨立預測跌倒、自述的行動受限、髖關節骨折及死亡的風險人群，為肌少癥的定義提供了循證醫學證據［24］。一項基于中國健康與養老追蹤調查的前瞻性隊列研究探討社區老年人步速、握力與跌倒風險的關系，低步速和低握力的標準采用該隊列研究人群經性別、身高和體質指數校正后計算得出的參考值，結果顯示低步速和低握力（RR值分別為1.32及1.36）均是跌倒的獨立危險因素［8］。本研究Cox回歸分析結果顯示，在住院老年患者中，僅低步速是跌倒發生風險的預測因子，考慮與本研究人群為住院患者、多種慢病并存、功能殘缺、多重用藥等特點有關。

步速和握力是反映身體機能的簡單測量指標，亦是Fried衰弱表型評估和肌少癥診斷標準的重要組成部分，二者均與死亡及跌倒相關，將二者聯合是否可以增加預測效果？日本一項以老年人群為基礎的前瞻性隊列研究（n=1 085，年齡65～89歲，平均隨訪10.5年）探討了步速、握力及站立平衡時間與全因死亡的相關性，將基線步速、握力和站立平衡時間分別按性別進行三分位數分組，結果顯示，在調整年齡、性別、基礎疾病、血清學指標等混雜因素后，低步速、低握力及站立平衡時間短均與死亡風險相關（HR分別為1.62、1.44、1.58），進一步通過AUC及凈重新分類指數結果顯示，三種指標聯合使用增加了對全因死亡的預測能力［25］?；谥袊】蹬c養老追蹤調查的前瞻性隊列研究結果亦顯示，低步速〔RR=1.32，95%CI（1.07，1.59）〕和低握力〔RR=1.36，95%CI（1.14，1.61）〕均是跌倒的獨立危險因素，將步速和握力進行組合能夠更好地預測跌倒的發生風險［8］。本研究探討了步速和握力二者組合與死亡及跌倒的相關性，Cox回歸分析顯示，在調整混雜因素后，與高步速/高握力組合相比，低步速和低/中握力組合與全因死亡顯著相關，低步速/低握力組合與跌倒顯著相關；進一步行ROC曲線分析結果顯示，步速和握力聯合預測全因死亡及跌倒的AUC分別為0.756、0.700，均優于單一指標的預測效果，提示在住院老年患者中，將步速和握力二者聯合能夠更好地預測全因死亡及跌倒風險。

本研究尚存在一定的局限性，本研究對象為單中心的住院老年患者，結果可能存在偏倚，可進一步在社區、養老院人群探討步速和握力對老年患者預后的影響。2017年世界衛生組織發布老年人綜合護理指南［26］，建議體力（根據步速、握力等）下降的老年人通過力量抗阻訓練、改善營養等減緩、阻止乃至逆轉內在功能的下降。在未來的研究中本研究團隊將通過多學科團隊管理對步速、握力下降的老年住院患者進行個性化指導和干預，探討步速、握力變化對老年人群預后的影響。

綜上所述，步速和握力測量方法簡單、有效易行、可重復性強，在住院老年患者中，步速和握力聯合可更好地預測患者全因死亡及跌倒風險，有助于優化老年人的健康管理，建議將步速和握力同身高、體質量一樣納入評估身體健康狀態的常規指標。

作者貢獻：楊卉、王青提出研究命題與研究思路，進行研究方案的構思與設計，負責實施研究、結果的解讀；楊卉、崔云婧、張少景、王麗軍負責數據收集及整理；楊卉負責數據清洗、統計學分析、繪制圖表；楊卉、王青負責論文的修訂；王青負責文章的質量控制及審校，研究經費的支持，并對文章整體負責，監督管理。

本文無利益沖突。