社区老年人衰弱进展预测的列线图模型系统技术方案

本发明专利技术涉及一种社区老年人衰弱进展预测的列线图模型系统，其特征在于，包括变量输入模块以及列线图模型预测模块，列线图模型预测模块根据变量输入模块输入的被测试者的年龄变量、婚姻状态变量、体育锻炼变量、基线衰弱状态变量及糖尿病变量的值输出风险预测值。在老龄化进程加快的背景下，社区全科医生面临着衰弱老年人健康管理上的难题。本发明专利技术通过建立一个列线图模型，用以对社区老年人衰弱程度的进展风险进行预测，可帮助全科医生早期识别易发生衰弱程度进展的高危人群，指导老年人个体化健康干预，聚焦于最后决策，提高基层全科医生对老年人健康管理的效率和规范性。对老年人健康管理的效率和规范性。对老年人健康管理的效率和规范性。

【技术实现步骤摘要】
社区老年人衰弱进展预测的列线图模型系统


[0001]本专利技术涉及一种用于对社区老年人衰弱程度的进展风险进行预测的列线图模型。

技术介绍

[0002]根据Fried教授对于衰弱的经典定义，若从衰弱的角度来衡量人体健康，可分为健壮、衰弱前期和衰弱三种状态。但是随着时间的推移，人不会静止于某种状态，而是处于三种状态的动态转换中，包括衰弱状态的进展、改善和保持不变。即使一个人当前处于健壮状态，未来也有可能发生易损性的增加及功能的不断衰退，进展为衰弱前期、衰弱，直至发展为死亡。因此，如果能准确识别与衰弱进展相关的危险因素及其作用大小，并通过数学模型将各种危险因素组合起来建立预测模型，评估老年人未来发生衰弱进展的风险，就可以及时对高危个体采取相应的干预措施，从而延缓或逆转这种不良预后，改善个体的生活质量。
[0003]随着老年人衰弱成为社会关注的热点，许多学者开始研究衰弱进展的影响因素。例如2014年我国香港Lee等人的研究显示住院、高龄、卒中史、认知功能障碍、糖尿病和骨关节炎与衰弱进展相关；2015年Pollack等人对5086名社区老年男性随访了4年，发现衰弱状态改善的相关因素包括腿部力量强和有配偶等，而存在工具性日常生活能力限制、低白蛋白水平、高白细胞介素
‑
6水平、COPD和糖尿病与衰弱状态改善的可能性较低相关；2016年Trevisan等人的研究发现老年、女性、肥胖、心血管疾病、骨关节炎、吸烟、视力丧失和多重用药等因素与衰弱状态进展相关。
[0004]这些研究虽然揭示了一些与衰弱进展相关的危险因素，但所使用的方法均为传统的Logistic回归，仅能提示每种危险因素的强弱程度，无法将这些因素组合成风险预测模型，即无法给出一个最终的衰弱进展风险。因此，无法在临床医疗工作中直接使用。
[0005]此外，目前仅有的一个关于衰弱进展预测模型的研究(2019年Setiati等人)中，虽然使用了年龄、生活质量和步速3项预测因素来建立衰弱进展的预后评分，但仍有诸多不足。一方面，该研究中所涉及的研究对象为印度尼西亚一家医院门诊患者，与中国大陆社区居民在地域特征和人文环境上存在不同，无法应用到我国人群；另一方面，该研究中的预测因素也未纳入生活方式等重要因素。最重要的是，从预测模型形式上看，预后评分得出的风险概率是近似估计值，不够准确。

技术实现思路

[0006]本专利技术的目的是：利用大样本的老年人口队列，收集健康信息，构建、评价并验证社区老年人衰弱进展的列线图模型，为老年人衰弱进展风险的预测提供实用、有效的简便工具。
[0007]为了达到上述目的，本专利技术的技术方案是提供了一种社区老年人衰弱进展预测的列线图模型系统，其特征在于，包括：
[0008]变量输入模块，用于输入被测试者的年龄变量、婚姻状态变量、体育锻炼变量、基线衰弱状态变量及糖尿病变量的值，其中：
[0009]年龄变量为连续变量，年龄变量的值为被测试者的年龄；
[0010]婚姻状态变量为离散变量，通过婚姻状态变量的值表示被测试者有配偶或者无配偶；
[0011]体育锻炼变量为离散变量，通过体育锻炼变量的值表示被测试者有意识地为强身健体而进行活动的频次；
[0012]使用Fried衰弱表型量表对基线衰弱状态变量进行评估，基线衰弱状态变量为离散变量，通过基线衰弱状态变量表示被测试者为健壮、衰弱前期或衰弱；
[0013]糖尿病变量为离散变量，通过糖尿病变量的值表示被测试者是否患有糖尿病；
[0014]列线图模型预测模块：基于年龄变量、婚姻状态变量、体育锻炼变量、基线衰弱状态变量及糖尿病变量分别建立5个变量线段，并建立分值线段、总分值线段以及衰弱进展风险线段，从而构成列线图；
[0015]分值线段上标识的刻度表示不同的分值；总分值线段上标识的刻度表示不同的总分值；衰弱进展风险线段上标识的刻度表示不同的风险预测值；
[0016]5个变量线段上标识的刻度表示变量的不同取值；5个变量线段的长度反映了当前变量对结局事件的贡献大小，其中：
[0017]为年龄变量分配的最大分值为100分，依据不同的年龄为年龄变量设定不同的分值，年龄越大则对应的分值越高；
[0018]为婚姻状态变量分配的其中，β
婚姻
为婚姻状态变量的多因素logistic回归系数β值，β
年龄
为年龄变量的多因素logistic回归系数β值；若通过婚姻状态变量的值表示被测试者无配偶，则婚姻状态变量对应的分值为婚姻最大分值，若通过婚姻状态变量的值表示被测试者有配偶，则婚姻状态变量对应的分值为0；
[0019]为体育锻炼变量分配的其中，β
锻炼
为体育锻炼变量的多因素logistic回归系数β值；被测试者有意识地为强身健体而进行活动的频次越高，则体育锻炼变量对应的分值越高，若被测试者从不有意识地为强身健体而进行活动，则体育锻炼变量对应的分值为体育锻炼最大分值；
[0020]为基线衰弱状态变量分配的其中，β
衰弱
为基线衰弱状态变量的多因素logistic回归系数β值；若被测试者为健壮，则基线衰弱状态变量对应的分值为0，若被测试者为衰弱，则基线衰弱状态变量对应的分值为衰弱最大分值，若被测试者为衰弱前期，则基线衰弱状态变量对应的分值∈(0,衰弱最大分值)；
[0021]为糖尿病变量分配的其中，β
糖尿病
为糖尿病变量的多因素logistic回归系数β值；若被测试者患有糖尿病，则糖尿病变量对应的分值为糖尿病最大分值，若被测试者无糖尿病，则糖尿病变量对应的分值为0；
[0022]列线图模型预测模块利用变量输入模块输入的值，基于5个变量线段与分值线段上标识的刻度的对应关系计算得到年龄变量、婚姻状态变量、体育锻炼变量、基线衰弱状态变量及糖尿病变量分别对应的分值，将所有分值相加后得到总分值，再基于总分值线段上
标识的刻度与衰弱进展风险线段上标识的刻度的对应关系获得与计算得到的总分值相对应的风险预测值后输出。
[0023]优选地，若被测试者未婚、离婚或丧偶，则被测试者无配偶。
[0024]优选地，将所述被测试者有意识地为强身健体而进行活动的频次设定为从不、有时、每天，若所述被测试者每天有意识地为强身健体而进行活动，则体育锻炼变量对应的分值为0。
[0025]优选地，所述列线图模型预测模块还输出所述风险预测值的95％可信区间。
[0026]在老龄化进程加快的背景下，社区全科医生面临着衰弱老年人健康管理上的难题。本专利技术通过建立一个列线图模型，用以对社区老年人衰弱程度的进展风险进行预测，可帮助全科医生早期识别易发生衰弱程度进展的高危人群，指导老年人个体化健康干预，聚焦于最后决策，提高基层全科医生对老年人健康管理的效率和规范性。
[0027]残疾、失能的人群往往身体健康状态较差，身体及社会功能出现不可逆的受损，衰弱相关评估及干预已无法满足其健康需求。相对地，健壮和衰弱前期的人群表面上整体健本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种社区老年人衰弱进展预测的列线图模型系统，其特征在于，包括：变量输入模块，用于输入被测试者的年龄变量、婚姻状态变量、体育锻炼变量、基线衰弱状态变量及糖尿病变量的值，其中：年龄变量为连续变量，年龄变量的值为被测试者的年龄；婚姻状态变量为离散变量，通过婚姻状态变量的值表示被测试者有配偶或者无配偶；体育锻炼变量为离散变量，通过体育锻炼变量的值表示被测试者有意识地为强身健体而进行活动的频次；使用Fried衰弱表型量表对基线衰弱状态变量进行评估，基线衰弱状态变量为离散变量，通过基线衰弱状态变量表示被测试者为健壮、衰弱前期或衰弱；糖尿病变量为离散变量，通过糖尿病变量的值表示被测试者是否患有糖尿病；列线图模型预测模块：基于年龄变量、婚姻状态变量、体育锻炼变量、基线衰弱状态变量及糖尿病变量分别建立5个变量线段，并建立分值线段、总分值线段以及衰弱进展风险线段，从而构成列线图；分值线段上标识的刻度表示不同的分值；总分值线段上标识的刻度表示不同的总分值；衰弱进展风险线段上标识的刻度表示不同的风险预测值；5个变量线段上标识的刻度表示变量的不同取值；5个变量线段的长度反映了当前变量对结局事件的贡献大小，其中：为年龄变量分配的最大分值为100分，依据不同的年龄为年龄变量设定不同的分值，年龄越大则对应的分值越高；为其中，β
婚姻
为婚姻状态变量的多因素logistic回归系数β值，β
年龄
为年龄变量的多因素logistic回归系数β值；若通过婚姻状态变量的值表示被测试者无配偶，则婚姻状态变量对应的分值为婚姻最大分值，若通过婚姻状态变量的值表示被测试者有配偶，则婚姻状态变量对应的分值为0；为其中，β
锻炼
为体育锻炼变量的多因素logistic回归...

【专利技术属性】
技术研发人员：顾杰，董冰茹，潘志刚，
申请(专利权)人：复旦大学附属中山医院，
类型：发明
国别省市：