農村老年人運動認知功能減退綜合征風險預測模型的構建及驗證

高娜 許夢茹 張利 劉玉文 魏星

隨著人口老齡化的加速,癡呆已成為我國面臨的重要健康問題。目前,尚無癡呆的有效治療方法,早期診斷和預防尤為重要。運動認知功能減退綜合征(motoric cognitive risk syndrome, MCRS)指在沒有癡呆和運動障礙的老年人群中,以主觀認知功能下降和步態緩慢為特征的一種癡呆前期綜合征[1]。我國老年人群MCRS患病率為10.2%[2],可導致癡呆、殘疾、死亡等不良健康后果[3-4]。有研究表明,生活在農村地區的老年人更容易患上MCRS[5]。然而,目前國內外對農村老年人MCRS的研究甚少,且缺乏風險評估工具對農村老年人MCRS進行早期個體化評估。列線圖(nomogram)是一種簡單便捷的預警工具,可以直觀預測疾病的發生風險[6]。因此,本研究構建了農村老年人MCRS列線圖預測模型,以期為預防農村老年人發生MCRS提供參考。

1 資料與方法

1.1 一般資料 采用分層抽樣法,根據經濟水平將皖北地區各市劃分為高、中、低三層,每一層隨機選取5個行政村,于2022年10月至2023年5月進行調查。納入標準:(1)年齡≥60歲;(2)無溝通障礙,能夠配合完成所有調查量表。排除標準:(1)因殘疾或下肢血管病變等原因引起的運動障礙;(2)患有嚴重的軀體疾病和精神疾病;(3)患有癡呆、癲癇、帕金森病等影響認知功能的神經系統疾病;(4)正在服用影響認知功能的藥物;(5)資料不完整或缺失。本研究獲得蚌埠醫學院倫理委員會審批(倫科批字[2022]第102號)。

1.2 研究方法

1.2.1 調查工具:(1)一般資料問卷:內容包括年齡、性別、受教育程度、肥胖、久坐行為、多重用藥等。其中,久坐行為是指每天久坐時間≥3 h[7];肥胖為BMI≥28。(2)MMSE量表:用于測評認知功能,包含定向力和記憶力、注意力和計算力、語言能力等內容,量表總分為30分,分值越高,認知功能越好[8]。(3)匹茲堡睡眠質量指數量表(Pittsburgh sleep quality index, PSQI):包括主觀睡眠質量、入睡時間、睡眠時間、睡眠效率、睡眠障礙、催眠藥物和日間功能障礙7個維度,19個條目,總分為0～21分,分值越高表示睡眠質量越差,PSQI得分>7分為睡眠質量較差[9]。(4)社會支持量表(social support rating scale, SSRS):包括客觀支持、主觀支持、社會支持利用度3個維度,10個條目。總分范圍12～66分,得分越高表示社會支持度越高,總分12～22分、23～44分、45～66分分別表示社會支持的低、中、高水平[10]。(5)簡版老年抑郁量表(Geriatric Depression Scale-15,GDS-15):用于評估老年人近一周的感受。該量表共有15個條目,總分為0～15分,得分≥5分表示存在抑郁癥狀[11]。

1.2.2 MCRS診斷標準:本研究基于Verghese等[12]提出的診斷標準,需同時滿足4個條件,具體包括:(1)主觀認知功能下降:采用GDS-15中的一個記憶條目“您是否覺得記憶力比大多數人差”,若回答“是”,則定義為主觀認知功能下降[11]。(2)步態緩慢:步速低于同年齡、同性別人群的平均步速1個標準差。本研究采用4 m步行測試法進行評估,測量2次取平均值。不同年齡組(60～69歲、70～79歲、≥80歲)定義步態緩慢的臨界值為男性0.94 m/s、0.74 m/s、0.60 m/s,女性0.85 m/s、0.68 m/s、0.54 m/s[13]。(3)無運動障礙:如吃飯、上廁所、洗澡、穿衣服、走路、上下床時沒有困難。(4)無癡呆:根據MMSE量表得分:文盲組>17分,小學組>20分,中學及以上組>24分。

1.2.3 調查方法:由經過統一培訓的調查人員對老年人進行面對面的問卷調查。在獲得知情同意后,根據老年人的回答填寫問卷,并及時對遺漏的問題進行補充,以確保問卷質量。

1.3 統計學方法 本研究使用SPSS 25.0軟件和R語言(4.3.0版本)進行數據分析。計數資料用頻數、百分比(n,%)表示,組間比較采用χ2檢驗。在R語言中,采用Lasso回歸分析篩選出影響因素變量,在此基礎上使用多因素Logistic回歸分析構建列線圖預測模型,繪制校準曲線和ROC曲線評價模型的準確度和區分度。采用Bootstrap法重復抽樣1000次對列線圖模型進行內部驗證。以P<0.05為差異有統計學意義。

2 結果

2.1 一般資料 本研究調查的752例農村老年人中,112例被評估為MCRS,MCRS發生率為14.89%(112/752)。MCRS組和非MCRS組一般資料比較,年齡、家庭人均月收入、久坐行為、合并慢性病總數、多重用藥、慢性疼痛、跌倒史、醫療保險、睡眠質量、社會支持、抑郁情況差異有統計學意義(均P<0.01),見表1。

表1 MCRS組與非MCRS組一般資料比較(n,%)

2.2 農村老年人發生MCRS的Lasso回歸分析 將相關因素作為自變量,是否發生MCRS作為因變量,進行Lasso回歸分析。Lasso采用10倍交叉驗證方法,選擇距離最小均方誤差在1個標準誤內的λ值為最優λ。結果顯示,最優λ為0.034,在此λ下共納入年齡、家庭人均月收入、久坐行為、慢性病數量、多重用藥、醫療保險、睡眠質量、社會支持、抑郁9個預測變量。

2.3 農村老年人發生MCRS的多因素Logistic回歸分析 將Lasso回歸篩選的9個預測變量作為自變量,以是否發生MCRS(否=0,是=1)作為因變量,進行多因素Logistic回歸分析。結果顯示,年齡(60～69=0,70～79=1,≥80=2)、久坐行為(無=0,有=1)、多重用藥(無=0,有=1)、睡眠質量(較好=0,較差=1)、社會支持(低水平=0,中水平=1,高水平=2)、抑郁(無=0,有=1)是農村老年人MCRS發生的影響因素,見表2。

表2 農村老年人發生MCRS的多因素Logistic回歸分析

2.4 構建農村老年人MCRS列線圖預測模型 根據Logistic回歸分析的影響因素構建列線圖預測模型,logit(P)=-1.133+年齡×[0.897(70～79歲)或1.360(≥80歲)]+0.887×久坐行為+0.763×多重用藥+0.932×睡眠質量(較差)-社會支持×[2.342(中水平)或2.710(高水平)]+0.770×抑郁。基于上述影響因素繪制列線圖模型,見圖1。

圖1 農村老年人MCRS風險列線圖模型

2.5 農村老年人MCRS列線圖預測模型評價 采用ROC曲線評價列線圖模型的區分度,見圖2。AUC為0.844(95%CI:0.804～0.883),靈敏度為0.714,特異度為0.819,約登指數為0.533,表明模型的區分度較好。運用Bootstrap法對模型進行內部驗證,通過Bootstrap重復抽樣1000次繪制校準曲線,結果顯示:平均絕對誤差為0.009,模型表現與理想模型具有較好的一致性,提示模型預測準確性較好,見圖3。

圖2 農村老年人MCRS風險列線圖模型的ROC曲線

圖3 農村老年人MCRS風險列線圖模型的校準曲線

3 討論

3.1 農村老年人MCRS的發生率分析 本研究顯示,農村老年人MCRS發生率為14.89%,高于韋萍萍等[13]對太原市社區老年人的調查結果。這種差異可能由于年齡分布、評估工具和地域等因素造成。因此,護理人員應特別關注農村地區老年人,及早篩查MCRS高風險人群,制定相應的干預措施,以預防MCRS發生。

3.2 農村老年人發生MCRS的影響因素分析 本研究中,年齡是農村老年人發生MCRS的影響因素,年齡越大,MCRS發生率越高。相關研究表明,社區老年人MCRS發生率與年齡呈正相關[11]。隨著年齡增長,老年人的大腦功能逐漸老化,神經發生退行性病變,腦體積縮小,大腦認知功能和運動功能也隨之下降,導致MCRS的發生[14]。本研究結果表明,久坐行為是農村老年人發生MCRS的影響因素。既往研究也顯示,久坐行為與MCRS密切相關[15]。原因可能是腦白質與執行功能密切相關,在認知功能和步態控制中發揮著重要作用,而久坐行為與大腦白質損傷有關[16],增加了MCRS患病風險[2]。因此,要鼓勵老年人積極參加體育活動,避免久坐行為,以預防MCRS的發生。本研究發現,多重用藥者發生MCRS的風險較無多重用藥者增加2.145倍。多重用藥在老年人中非常普遍,會使老年人發生藥物不良事件、藥物相互作用和藥物不依從性,導致老年人身體和認知功能下降[17]。本研究中,睡眠質量較差的農村老年人MCRS患病風險較高。既往研究顯示,充足的睡眠對于維持認知和執行功能至關重要,睡眠質量較差會激活神經炎癥、破壞代謝和內分泌功能,導致老年人認知功能下降[18]。本研究顯示,與低水平社會支持的農村老年人相比,中高水平社會支持的農村老年人MCRS患病風險相對較小。原因可能在于較高水平的社會支持增加了大腦區域的灰質體積,改善了老年人的認知功能和執行功能,降低了MCRS患病風險[19]。本研究結果顯示,抑郁癥狀與MCRS發生密切相關。既往研究也顯示老年人MCRS的發生與抑郁癥狀呈正相關[20]。原因是抑郁癥狀會促進身體炎癥因子釋放,這些炎癥因子可穿過血腦屏障影響腦部功能,進而影響認知功能和步態,從而導致MCRS的發生[21]。

3.3 農村老年人MCRS列線圖預測模型具有實用性 本研究通過Lasso回歸進行變量篩選,能有效避免多重共線性問題;根據篩選出的變量結合多因素Logistic回歸分析結果構建列線圖預測模型,預測模型AUC為0.844,表明模型具有較好的區分度。內部驗證結果顯示模型表現與理想模型具有較好的一致性,表明模型具有較好的預測能力。這一模型有助于護理人員根據列線圖中各變量的分值得出總分,通過總分計算出MCRS的發生風險,早期識別MCRS高風險人群。

本研究存在一定的局限性,如本研究為橫斷面研究,無法描述因果關系;納入的樣本量較少且只進行了內部驗證,未來將擴大樣本量進行外部數據集驗證,以進一步優化預測模型。