目的探究广州市社区老年人跌倒发生率及影响因素,并分析不同影响因素之间的协同模式和影响路径。方法采用前瞻性队列研究设计,对2021年广州市≥65岁的4950名社区老年人开展基线调查,并于2022年进行随访,收集跌倒事件的发生及健康情况信...目的探究广州市社区老年人跌倒发生率及影响因素,并分析不同影响因素之间的协同模式和影响路径。方法采用前瞻性队列研究设计,对2021年广州市≥65岁的4950名社区老年人开展基线调查,并于2022年进行随访,收集跌倒事件的发生及健康情况信息。采用Cox比例风险回归模型分析跌倒的影响因素,并利用关联规则和贝叶斯网络模型分析影响因素的协同模式和影响路径。结果最终纳入有效样本3393例,中位随访时间为1.53年,跌倒发生率为25.49%(95%CI:24.02%~26.96%)。Cox比例风险回归模型结果显示,女性(HR=1.246,95%CI:1.088~1.426)、年龄≥75岁(HR=1.343,95%CI:1.133~1.592)、,有医疗保险(HR=1.440,95%CI:1.038~1.997)、患糖尿病(HR=1.309,95%CI:1.143~1.498)和脑卒中(HR=1.914,95%CI:1.309~2.799)是老年人跌倒的独立危险因素;而高中及以上学历(HR=0.861,95%CI:0.750~0.987)、每天锻炼(HR=0.684,95%CI:0.580~0.807)和健康状态自我评估满意(HR=0.484,95%CI:0.278~0.841)与跌倒风险降低相关。关联规则分析揭示了糖尿病、女性与跌倒的协同模式(支持度:19.07%,置信度:32.77%,提升度:1.29)。贝叶斯网络模型分析结果显示,锻炼频率、年龄、文化程度、健康状态自我评估、性别、患糖尿病和脑卒中是影响老年人跌倒的关键因素,模型受试者工作特征曲线下面积(area under the curve,AUC)为0.612。结论广州市社区老年人跌倒发生率较高,且影响因素多样。建议针对缺乏锻炼、高龄、女性及慢性病患者等高风险群体,制定和实施综合性的干预措施。展开更多
文摘目的探究广州市社区老年人跌倒发生率及影响因素,并分析不同影响因素之间的协同模式和影响路径。方法采用前瞻性队列研究设计,对2021年广州市≥65岁的4950名社区老年人开展基线调查,并于2022年进行随访,收集跌倒事件的发生及健康情况信息。采用Cox比例风险回归模型分析跌倒的影响因素,并利用关联规则和贝叶斯网络模型分析影响因素的协同模式和影响路径。结果最终纳入有效样本3393例,中位随访时间为1.53年,跌倒发生率为25.49%(95%CI:24.02%~26.96%)。Cox比例风险回归模型结果显示,女性(HR=1.246,95%CI:1.088~1.426)、年龄≥75岁(HR=1.343,95%CI:1.133~1.592)、,有医疗保险(HR=1.440,95%CI:1.038~1.997)、患糖尿病(HR=1.309,95%CI:1.143~1.498)和脑卒中(HR=1.914,95%CI:1.309~2.799)是老年人跌倒的独立危险因素;而高中及以上学历(HR=0.861,95%CI:0.750~0.987)、每天锻炼(HR=0.684,95%CI:0.580~0.807)和健康状态自我评估满意(HR=0.484,95%CI:0.278~0.841)与跌倒风险降低相关。关联规则分析揭示了糖尿病、女性与跌倒的协同模式(支持度:19.07%,置信度:32.77%,提升度:1.29)。贝叶斯网络模型分析结果显示,锻炼频率、年龄、文化程度、健康状态自我评估、性别、患糖尿病和脑卒中是影响老年人跌倒的关键因素,模型受试者工作特征曲线下面积(area under the curve,AUC)为0.612。结论广州市社区老年人跌倒发生率较高,且影响因素多样。建议针对缺乏锻炼、高龄、女性及慢性病患者等高风险群体,制定和实施综合性的干预措施。
