养老机构老年人综合能力评估等级划分方式的研究

李玮彤，宋玉磊，陈宇婧，徐桂华

（南京中医药大学，江苏 南京 210023）

国外的养老护理己有100多年的历史,国外发达国家已有较成熟的长期照护评估工具,较为公认的有美国所建立的最小数据集（Minimum Data Set，MDS）评估工具[1]，日本的介护等级认定标准评估[2]，澳大利亚的老年护理评估量表(Aged Care Funding Instrument)[3]等都可对老年人能力等级进行科学划分,针对不同等级老年人采用个性化照护方案，使老年人照护问题得到有效解决。我国于2001年2月颁布了《老年人社会福利机构基本规范》,其中规定各养老机构根据老年人的需求情况和自理现状将老年人划分为自理（提供一般照护）、介助（提供半照护）和介护（提供全照护）3个等级[4]。经过本团队实地调研考察，发现该分级标准缺少对老年人病情的评估，各地标准评估体系不统一，在评估内容、评估主体等方面存在较大的差异，其现有的养老资源已不能满足老年人个性化多层次的照护服务需求，老人患病、失能、住院入院的风险大幅度增加[5]，因此对老年人的综合能力评估等级进行科学合理划分至关重要。本研究旨在通过聚类分析法和判别分析法对老年人综合能力进行有效划分，探索合理的老年人综合能力等级划分方式，以期为不同等级老年人提供个性化、精准化的照护服务提供参考，对养老机构合理配置人力资源，开展分级护理照护具有重要指导意义。

1 对象与方法

1.1 研究对象 2018年4月—2019年4月，采用便利抽样法对江苏省3所养老机构（公办、公建民营、民营各1所）在住的725名老年人进行预调查，2019年9月选取南京市1所养老机构246名老年人进行调查。老年人纳入标准：（1）年龄≥60岁；（2）入住时间≥3个月；（3）知情同意，表明愿意参加本次调查；（4）老年人自身或者护士、护理员可以接受问卷调查。排除标准：（1）填写错误或者不完整者；（2）研究过程中突发紧急状况，无法继续进行调查者；（3）调研期间中途离开机构、外出居住的老年人。

1.2 方法

1.2.1 研究工具 采用2017年国家自然科学基金团队项目“健康管理视域下养老机构老年人分级照护模型研究”中完成的《养老机构老年人综合能力评估量表》进行调查。该量表包括7个部分:（1）老年人的基本信息，例如性别、年龄等老年人的具体资料。（2）心理状态和认知能力，包括老年人的认知功能、日常决策的认知能力、时间/空间定向、人物定向4项指标构成，总分0～15分。（3）感知觉与沟通：包括表达能力、理解能力、意识水平、视力等6项指标，总分0～21分，得分越高表示感知觉与沟通越差。（4）情绪问题，包括负面陈述、反复焦虑诉苦/担心、诉说或暗示感觉寂寞3项指标，总分0～7分，得分越高，表示情绪问题越大。（5）精神行为问题，包括容易分心、言语混乱、游荡等6项指标，总分0～16分，得分越髙，表示该项能力越差。（6）日常生活与社会参与能力，包括进食、洗澡、修饰穿衣等15项指标，得分越高，表示日常生活与社会参与能力越差。（7）皮肤、口腔状况，包括皮肤压疮情况、皮肤开裂或者割伤等6项指标。该量表前期经过大样本调查，量表的Cronbachα系数为0.951；量表S-CVI/UA百分比为87.5%，>80%，表明量表内容效度较好。本研究所得的量表总体S-CVI/Ave为0.982，各维度为0.857～1.00，说明本量表内容效度达到标准要求；经验证性分析所提供的模型修正后显示，各项指标显示修正模型和实际数据模型拟合度较好，表示养老机构老年人综合能力评估量表可以作为老年人评估的工具。

1.2.2 资料收集 评估调查员为接受过评估培训并考核合格的2名研究生，在征求养老机构和老年人或其家人同意后，采用纸质版问卷对老年人进行一对一评估收集资料。对于调查对象存在语言障碍、听力受损、精神状态不佳等问题无法参与调查的，由家属或照顾者代其参与。共发放问卷260份，回收有效问卷246份，有效回收率为94.6%。包括女性152名和男性94名，年龄（82.5±7.6）岁，其中60～69岁老年人15名（6.1%），70～79岁58名（23.6%），80～89岁132名（53.7%），90岁以上有41名（16.6%）。

1.3 统计学方法

1.3.1 数据录入 原始数据由双人使用Excel 2010数据包进行录入以确保数据的准确性。采用SPSS 23.0进行数据分析，计量资料以均数±标准差表示，计数资料采用例数（百分比）表示。

1.3.2 聚类分析法 本研究采用的k-means法属于动态样品聚类方法中最常用的方法，其基本原理是将实地调研的数据分为K组，随机选取最初的聚类中心用K个对象，计算每个对象与每个种子聚类中心之间的距离，满足使每个样本到其所属聚类中心误差平方和局部最小[6]，其核心是确定类数K值。本研究通过对凝聚度（SSE）、分离度（SSB）等指标的运算并结合实际情况确立K值。

1.3.3 判别分析 本研究采用的Fisher线性判别分析法，其基本原理是借助方差分析的思想按照一定的判别准则，建立1个或多个判别函数，用研究对象的大量资料确定判别函数中的待定系数，并计算判别指标，据此即可确定某一样本属于何类[7]。因聚类后的结果会出现分段分值的重叠，因此因此利用实际调研所收集的数据资料来确定判别函数中的待定系数，并计算判别指标，对于一个新的样本将它的指标值代入判别式并与判别临界值进行比较从而确立重叠部分的数据属于哪一分段，最终确立分段界值。

2 结果

2.1 老年人各项综合能力评估得分结果 本研究通过综合评价的方法将老年人综合能力评估等级分为4个等级，等级越高，则表示老年人的综合情况越差，老年人相对需要的个性化照护服务护理需求则越多。参与调查的老年人心理状态和认知能力得分为0～15（15.29±7.05）分；感知觉与沟通得分0～21（12.26±5.65）分；情绪问题得分0～7（6.79±2.26）分；精神行为问题得分0～16（6.89±2.70）分；日常生活与社会参与能力得分0～39（24.20±11.48）分；皮肤、口腔状况得分0～12（8.82±3.19）分。

2.2 最佳K值的确立 本研究根据特定的数据集，在以空间中K个点为中心聚类时，在确定的聚类数搜索范围内对最靠近他们的对象归类。运行聚类算法产生不同聚类数目的聚类结果，选择合适的有效性指标对聚类结果进行评估，根据评估结果确定最佳聚类数。通过迭代的方法，选择凝聚度（Within-cluster sum of squared errors，SSE）、分离度（Single side band，SSB）、簇内相似度（Intra-Cluster part of Dispersion，IntraDPS）、簇间相似度（Inter-Cluster part of Dispersion，InterDPS）4个有效性指标对聚类结果进行评价，逐次更新各聚类中心的值，根据评测结果得到最好的聚类结果[6]。

2.2.1 不同分级数（K值）的各评价指标结果 不同分级数（K值）的各评价指标结果见表1。选择凝聚度利用计算误方差和来实现每个K值对应簇内的点到中心点的距离误差平方和最小，选择凝聚度的值越大代表聚类效果越不理想；簇内相似度指标表现数据点的分布情况，越大表示所形成的簇的质量越差；分离度指标表示数据集在不同簇之间的离散度，分离度值越小聚类效果越差；簇间相似度指标表示分成簇以后，类间数据簇与簇的离散情况，该指标越小表示所形成的簇的质量越差，反之越好。从表中可得知，当分级数处于中间段K值从2～10均可达到标准范围之内，具体还应结合不同聚类指标的结果合并分析。

表1 不同分级数（K值）的各评价指标结果

2.2.2 不同聚类指标分析结果 通过对各图的观察得知，4张图都表示在分级数K值为4的时候出现明显的转折点（见图1-4），结合表1的结果，说明分级数为4比较合适，并结合参照我国《老年人社会福利机构基本规范》和《关于开展老年护理需求评估规范服务工作的通知》中根据老年人能力综合能力评估和护理需求评估的要求[4，8]，本研究将聚类数（K值）取值为4。将养老机构老年人综合能力评估照护等级分为照护0级（能力完好）、照护1级（轻度失能）、照护2级（中度失能）、照护3级（重度失能）共4个等级。

图1 选择凝聚度最佳K值示意图

图2 分离度最佳K值示意图

图3 簇内相似度最佳K值示意图

图4 簇间相似度最佳K值示意图

2.3 判别分析结果 对老年人综合能力评估得分进行判别分析，建立判别函数（见表2）。由表2可知，在第1等级中，对于判别分析影响最大的因素是精神行为问题维度；第2等级中，影响最大的也是精神行为问题维度；第3等级中，影响最大的也是皮肤口腔状况维度；第4等级中，影响最大的是情绪问题维度。表2说明，在进行等级分级过程中，老年人的情绪、心理精神问题是很重要的影响因素。因此在养老机构内应增加照护全方位服务,着重关注老年人的心理健康，保证老年人身体健康的基础上满足心理与精神方面的需求。

表2 老年人综合能力评估分级照护等级判别函数系数

2.4 聚类分析结果 根据心理状态和认知能力得分、感知觉与沟通得分、情绪问题得分、精神行为问题得分、日常生活与社会参与能力得分、皮肤和口腔状况得分以及量表总分进行聚类分析，可将老年人综合能力评估等级分为4个等级。246名老年人等级划分为照护0级（能力完好）21名、照护1级（轻度失能）52名、照护2级（中度失能）142名、照护3级（重度失能）31名(见表3)。利用构建的判别函数对未重叠的数据进行交叉验证，得出4个等级的正确判别率为95.2%、96.2%、95.8%、93.5%，表3说明建立的判别函数判别效果良好，为老年人综合能力分级提供了可靠的依据。

表3 老年人综合能力评估分级照护等级的交叉验证（n，%）

3 讨论

3.1 老年人综合能力评估分级照护等级划分方式具有较高的科学性和合理性 本研究采用整群抽样的方法收集数据，应用多种综合评价方法对老年人综合能力评估等级进行划分，结合不同分级数的各评价指标结果得到最佳聚类分级数（K值）为4。根据聚类分析结果，对养老机构老年人综合能力评估量表得分没有重叠的部分进行判别分析，建立判别函数。通过运用建立的判别函数对已知的重叠样本数据进行回代，得出4个等级的正确判别率为95.2%、96.2%、95.8%、93.5%，说明本研究建立的判别函数判别效果良好，最终得出的分级照护等级各分段界值合理可靠。同时参照《老年人社会福利机构基本规范》和《关于开展老年护理需求评估规范服务工作的通知》中关于老年人能力综合能力评估和护理需求评估的要求，将养老机构老年人综合能力评估照护等级分别命名为照护0级（能力完好）、照护1级（轻度失能）、照护2级（中度失能）、照护3级（重度失能）。本研究是以养老机构老年人综合能力评估量表为依据，在此基础上进行等级划分。该评估工具是源于国家自然科学基金项目的研究成果，课题组前期对江苏省内地区的养老机构进行大量实地调研，通过定性定量相结合的方法研制量表，经过反向验证后证实该量表操作简便快捷，评估结果更贴合养老机构老年人的实际情况。在前期大样本调查的基础上，通过聚类分析法对数据进行分类，并运用判别分析法进行回代和交叉验证。因此，本研究等级划分的结果依据充足，可信度高，相比其他研究更具科学性和实用性。

3.2 开展老年人综合能力评估分级照护等级划分研究具有必要性 从本研究结果可看出，246名老年人等级划分为照护0级（能力完好）21名、照护1级（轻度失能）52名、照护2级（中度失能）142名、照护3级（重度失能）31名。中度失能以上需要中高级别照护的老年人占比高达70.3%，这与人口老龄化带来的长期护理服务需求的不断增加，需大力发展养老服务业的现状相一致[9-12]。国外发达国家较早步入老龄化社会，他们利用成熟的长期照护服务评估工具系统地了解老年人躯体功能和照护需求，为老年人制定精准的照护计划和护理措施，建立了完善的老年照护服务体系。面对国内现有的养老资源，只有在老年人综合能力等级进行合理有效划分的前提下，才能够建立合理的财政资金评估制度，提升符合我国国情的财政管理科学化水平。养老照护服务等级划分标准作为长期护理保险支付的重要参考指标，极大的缓解了老龄化所带来的国家财政上的压力，并在提高老年护理服务质量、指导定价和收费、提高资源利用率等方面起了重要的作用[13-14]。本研究将老年人综合能力评估等级进行科学有效的划分，准确清晰的判断老年人的能力和需求状况，不同等级的老年人提供不同侧重点的个性化照护服务，为养老机构的高质量、专业化的长期照护服务提供可靠依据，还可为养老机构合理安排人力资源配置提供可靠的依据,根据分级制订相应收费标准，合理配置资源，为我国下一步长期护理险的实行打下坚实的基础。

3.3 养老机构老年人存在健康问题和照护需求的特点 养老机构应对入住老年人的照护需求进行科学专业化评估，精准评估和分级是服务需求确定、服务有效供给的关键[15]。本研究采用养老机构老年人综合能力评估量表对246名养老机构老年人进行实地调研，发现老年人的心理状态和认知能力（15.29±7.05）分、情绪问题（6.79±2.26）分、精神行为问题（6.89±2.70）分、日常生活与社会参与能力（24.20±11.48）分，结果表明老年人存在多个需要重点关注和干预的健康问题。我国养老机构现在仍然以“养”为主，主要供给老年人饮食、居住等基本生活方面的需要，但是在康复、专业的医疗护理服务、精神慰藉等方面的服务与管理甚少，很难满足老年人在专业的医疗康养服务、心理建设等方面的需求[16]，甚至有些机构在这些方面存在空白。因此，提示对养老机构老年人的养老服务不能单纯为老年人提供基本的生活需要，还要改善老年人的心理健康水平，注重开展关爱老年人心理和精神层面的相关照护服务，加大相应照护时间的投入，为老年人提供多样化、个性化、专业化的照护服务，有效地提高照护服务的质量[17-18]。研究结果从实证的角度证明了当今我国政府推进医养结合型养老照护模式的必要性。下一步本研究方将应对不同等级的老年人和照护内容进行深层次调研，以期全面了解不同等级老年人和护理服务项目所需的人力配置，为老年人制定综合全面的日常生活护理、疾病治疗、心理护理、后期康复护理的一体化管理模式和分级照护体系。由于人员和时间因素，今后还需扩大样本量，为后期满足老年人的多样化需求及合理实现养老机构护理人员的分层管理提供依据。