Morse跌倒评估量表与STEADI 跌倒风险自评量表在养老机构老年人中的应用比较

胡惠菊，韩静，唐启群，成杰，李慧源

（1.华北理工大学 护理与康复学院，河北 唐山 063210；2.华北理工大学附属医院 神经外科，河北 唐山 063000）

研究显示， 我国养老机构老年人跌倒发生率为36.5%～42.1%[1-2]。跌倒是老年人伤残和死亡的重要原因之一，不但给家庭、社会带来沉重的负担，也会增加医疗资源的消耗[3]。因此早期准确发现跌倒高危人群，尽早采取预防和干预措施，对减少老年人跌倒，提高其生活质量具有重要意义。 目前尚未见学者对适用于养老机构老年人跌倒风险评估的量表进行探讨，因此本研究拟比较Morse 跌倒评估量表（Morse Fall Scale, MFS）和STEADI 跌倒风险自评量表（Stay Independent Brochure Questionnaire）用于评估养老机构老年人跌倒风险的价值， 为养老机构准确识别高跌倒风险人群提供理论依据。

1 对象与方法

1.1 研究对象 根据Kendall 的多元线性回归样本量估计的经验，样本量可取研究变量数的10～20 倍。本研究变量数为12 个，取项目数的20 倍计算，考虑到老年人可能存在失访或不理解的情况， 再增加20%的失访率和无应答率， 最终确定样本量最少为288 例。 本研究于2020 年8 月—2021 年1 月，采用便利抽样法选取河北省8 所养老机构内的老年人为研究对象。 纳入标准：（1）年龄≥60 岁；（2）听力或视力正常，能进行正常阅读和交流者；（3）入住养老机构≥1 年；（4）自愿参与调查者。 排除标准：（1）患有精神疾病或认知障碍；（2）依从性差，不配合本次研究者。 共发放问卷440 份， 回收有效问卷429份，回收率为97.5%。 429 名老年人中，男性194 名（45.2%），女性235 名（54.8%）；年龄60～95（78.41±8.45）岁；小学以下文化程度为132 名（30.8%），中学或中专139 名（32.4%），大专及以上158 名（36.8%）；已婚老年人为238 名（55.5%），未婚、离异和丧偶的老年人共为191 名（44.5%）； 患慢性病的老年人为346 名（80.7%），未患慢性病的老年人为83 名（19.3%）；79名（18.4%）老年人感觉睡眠质量差，104 名（24.3%）老年人睡眠质量一般，246 名（57.3%）老年人睡眠质量良好。 此外，居住在公立养老机构的老年人为59名（13.8%）， 居住在民营养老院的老年人为370 名（86.2%）； 在养老院居住时间为1～3 年的老年人为278 名 （64.8%）， 居住3 年以上的老年人为151 名（35.2%）；居住在单人间的老年人为156 名（36.4%），居住在双人间和多人间的老年人共为273 名（63.6%）。过去1 年中发生跌倒的老年人为180 名 （42.0%），MORSE 跌倒评估量表的得分为（50.55±22.75）分，STEADI 跌倒风险自评量表得分为（5.30±2.67）分。

1.2 调查工具

1.2.1 一般资料调查表： 由研究者查阅国内外相关文献后自行设计，包括性别、年龄、婚姻状况、慢性病数量、所居住养老院性质等10 个项目。

1.2.2 Morse 跌 倒 评 估 量 表 （Morse Fall Scale,MFS）： 由美国学者Janice Morse 于1989 年研制，专门用于预测跌倒发生可能性的量表， 现已在多个国家和医疗机构广泛使用。 2010 年，该量表由我国学者周君桂[4]汉化并用于住院老年人跌倒风险的评估中，量表共包括6 个条目，分别为跌倒史、是否有多于1 个的医学诊断、步行时是否使用辅助器具、是否静脉输液或使用药物治疗、步态和精神状况。总分为125 分，分数越高表示跌倒风险越大，＞45 分代表存在高跌倒风险。 汉化后该量表的Cronbach α 系数为0.206，说明各条目均具有独立性，可以测量不同方面的风险因素。

1.2.3 STEADI 跌倒风险自评量表（Stay Independent Brochure Questionnaire）： 该量表由美国学者洛杉矶退伍军人事务老年医学研究教育临床中心及其附属机构于2011 年开发，后由我国学者李亚玲等[5]汉化并进行信效度检验，量表共12 个条目，条目以是或否回答，前2 个条目回答“是”得2 分，后10 个条目回答“是”得1 分，所有条目回答“否”均得0 分，量表最高分为14 分，≥4 分被认为有跌倒风险， 中文版量表在社区老年人的Cronbach α 为0.608。

1.3 资料收集方法 调查前征得养老机构负责人的同意和配合并对调查人员进行统一培训， 调查时由相关负责人陪同以取得老年人的信任， 并向老年人说明调查的原因、目的、意义及注意事项，使其知情同意。采用同一指导语对老年人进行一对一调查，对于识读困难、书写不便等情况的老年人，由调查者根据老年人的选择代其完成问卷填写。所有问卷填写完成后当场检查，确认无误后收回并向老年人致谢。

1.4 统计学方法 采用Excel 建立数据库， 对所有数据进行双人录入和核对。 使用SPSS 23.0 对资料进行统计分析。 计数资料采用频数、 百分比进行描述，计量资料采用均数、标准差进行描述。 采用受试者工作特征（receiver operating characteristic, ROC）曲线、ROC 曲线下面积（area under the ROC, AUC）、Bayes 判别分析和阳性似然比分析Morse 跌倒评估量表和STEADI 跌倒风险自评量表在养老机构老年人中的应用价值。 P＜0.05 为差异有统计学意义。

2 结果

2.1 Morse 跌倒评估量表和STEADI 跌倒风险自评量表的ROC 曲线比较 根据本研究收集的数据，绘制Morse 跌倒评估量表和STEADI 跌倒风险自评量表的ROC 曲线， 结果显示，Morse 跌倒评估量表的ROC 曲线下面积为0.889 （P＜0.001），STEADI 跌倒风险自评量表的ROC 曲线下面积为0.832（P＜0.001）。进一步对Morse 跌倒评估量表和STEADI 跌倒风险自评量表的AUC 进行比较， 结果显示两者AUC 的差值为0.057（Z=2.295，P=0.022），两者比较差异有统计学意义，见图1、表1。

图1 Morse 跌倒评估量表和STEADI 跌倒风险自评量表预测跌倒价值的ROC 曲线比较

2.2 Morse 跌倒评估量表和STEADI 跌倒风险自评量表的最佳临界值 约登指数（Youden’s index）计算公式为敏感度＋特异度－1，该值范围为0～1，越接近1 说明评估工具的真实性越好[6]。 根据约登指数最大原则，以约登指数最大时对应的Morse 跌倒评估量表和STEADI 跌倒风险自评量表得分为划分跌倒高风险人群的最佳临界值[7]， Morse 跌倒评估量表的最佳临界值为57.500，STEADI 跌倒风险自评量表的最佳临界值为5.500， 且Morse 跌倒评估量表的约登指数大于STEADI 跌倒风险自评量表，详见表1。

表1 STEADI 跌倒风险自评量表和Morse 跌倒评估量表的ROC 曲线和最佳临界值分析

2.3 Morse 跌倒评估量表和STEADI 跌倒风险自评量表评估老年人跌倒风险的Bayes 判别分析 以1年内是否发生跌倒作为因变量（是=1，否=0），分别以Morse 跌倒评估量表和STEADI 跌倒风险自评量表的总分为自变量，进行Bayes 判别分析，结果显示Morse 跌倒评估量表和STEADI 跌倒风险自评量表对判断老年人存在高跌倒风险与否的交叉检验准确率分别为75.1%和73.9%，详见表2。

表2 Morse 跌倒评估量表和STEADI 跌倒风险自评量表评估老年人跌倒风险的Bayes 判别分析

2.4 Morse 跌倒评估量表和STEADI 跌倒风险自评量表评估老年人跌倒风险的阳性似然比 分别以57.500 和5.500 作为Morse 跌倒评估量表和STEADI跌倒风险自评量表的最佳临界值，将Morse 跌倒评估量表得分≥57.500 的老年人划分为高跌倒风险组1，将Morse 跌倒评估量表得分＜57.500 的划分为低跌倒风险组1；同理将STEADI 跌倒风险自评量表得分≥5.500 的老年人划分为高跌倒风险组2， 将得分＜5.500的划分为低跌倒风险组2， 分别采用卡方检验与是否发生跌倒进行比较，结果均具有统计学意义（P＜0.001）， 进一步计算得出Morse 跌倒评估量表和STEADI 跌倒风险自评量表的阳性似然比分别为8.870 和2.730，详见表3。

表3 STEADI 跌倒风险自评量表和Morse 跌倒评估量表最佳临界值下高跌倒风险与低跌倒风险组的比较

3 讨论

3.1 Morse 跌倒评估量表与STEADI 跌倒风险自评量表跌倒风险自评量表的应用现况 养老机构老年人跌倒发生率较高，跌倒后大约5%的跌倒老人会发生骨折，5%～11%的跌倒老人会发生严重损伤[8]。 因此，跌倒成为了各国卫生机构广泛关注的问题，识别高跌倒风险人群对减少跌倒具有重要作用。 目前国内外评估跌倒风险的量表有20 多种，其中Morse 跌倒评估量表由于条目少，评估时间短，评估结果较为准确，已被翻译成多种语言在美国、韩国、埃及等国家的医院、社区和护理机构各场所应用，并证实了该量表具有良好的信效度[9-12]。 STEADI 跌倒风险自评量表量表2011 年研发， 在国外得到越来越多的肯定[13，14]，该量表2020 年被我国学者李亚玲等[5]汉化，在我国还未得到充分推广， 仅在社区老年人中进行了应用。

3.2 Morse 跌倒评估量表与STEADI 跌倒风险自评量表跌倒风险自评量表的ROC 曲线分析 此外，ROC 曲线下面积在0.5～0.7、0.7～0.9 和＞0.9 时分别代表量表具有低、中、高的准确度[7]。 本研究通过ROC 曲线比较两量表的诊断价值，Morse 跌倒评估量表和STEADI 跌倒风险自评量表的AUC 均在0.7～0.9，诊断价值均为中等，说明2 个量表在诊断养老机构老年人是否存在高跌倒风险时均有一定价值，但是通过对AUC 进行比较发现，Morse 跌倒评估量表的AUC 值显著大于STEADI 跌倒风险自评量表，说明Morse 跌倒评估量表诊断养老机构老年人跌倒风险的参考价值更大。 养老机构老年人的失能率较高，达43.6%，且在失能老年人中，重度失能老年人占比37.24%[15]。 重度失能老年人往往处于卧床状态，或在他人帮助下使用轮椅活动，故难以对STEADI 跌倒风险自评量表中一些问题做出回答，如“有时候，我感觉行走不稳定” 和“我走路加快速度时感到困难”等，而Morse 跌倒评估量表中将“卧床休息或护士辅助”单独设置了评分，这可能是Morse 跌倒评估量表诊断价值较高的原因。

3.3 Morse 跌倒评估量表与STEADI 跌倒风险自评量表跌倒风险自评量表的最佳临界值分析 本研究通过ROC 曲线发现，Morse 跌倒评估量表的真实性、敏感度和特异度优于STEADI 跌倒风险自评量表。 Aranda-Gallardo[16]发现当临界值为45 时，敏感性为0.755，特异性为0.677，周君桂[4]对老年住院患者进行研究时，推荐Morse 跌倒评估量表的最佳临界值为55 分， 敏感度和特异度分别为92%和64%。 本研究推荐Morse 跌倒评估量表在养老机构老年人应用时的最佳临界值为57.500，高于以往研究者推荐的临界值，此时的敏感性为0.783，特异性为0.791。虽然敏感性较周君桂的研究有所下降，但是特异性有所提高，且两者之间呈现出更为平衡的状态。

Lohman 等[17]的研究发现，当STEADI 跌倒风险自评量表的临界值为4 时， 其敏感性和特异性均为0.65， 本研究推荐STEADI 跌倒风险自评量表的临界值为5.500，此时的敏感性为0.767，特异性为0.719。敏感度指患者被诊断为阳性的概率， 特异度指未患病者被诊断为阴性的概率， 较高的敏感度和特异度意味着更多有跌倒风险的老年人被识别，更多低跌倒风险的老年人被排除[18]。养老机构老年人与社区、 居家老年人相比往往会受到更多生活照料和行动上的帮助， 导致护理人员评估的跌倒风险高于其实际发生跌倒的可能性， 故以往的临界值对于养老机构老年人较低。 因此，本研究建议提高Morse 跌倒评估量表和STEADI 跌倒风险自评量表的最佳临界值， 从而有效减少护理资源的浪费，减轻照护人员负担。

3.4 Morse 跌倒评估量表与STEADI 跌倒风险自评量表跌倒风险自评量表的准确性分析 本研究采用Bayes 判别分析法比较了Morse 跌倒评估量表和STEADI 跌倒风险自评量表评估养老机构老年人跌倒风险的准确性。 结果显示，Morse 跌倒评估量表和STEADI 跌倒风险自评量表的交叉检验准确率分别达到75.1%和73.9%，说明两量表均有良好的判别效果，且Morse 跌倒评估量表的判别效果优于STEADI跌倒风险自评量表。 此外， 阳性似然比（positive likelihood ratio, +LR）指诊断性试验的真阳性率与假阳性率的比值， 即正确判断患病的可能性是错误判断患病的可能性的倍数， 也是判断量表准确性的重要指标[19]。 比值越大说明正确判断老年人是否存在高跌倒风险的可能性越大。 似然比＞10 代表此工具具有很强的临床诊断意义，2～5 表示此工具的临床诊断意义较弱。 结果发现，Morse 跌倒评估量表和STEADI 跌倒风险自评量表的阳性似然比分别为8.87 和2.73， 再一次证明了STEADI 跌倒风险自评量表的准确度与Morse 跌倒评估量表相比较差。

4 结论

本研究以1 年内是否发生跌倒为金标准评估Morse 跌倒评估量表和STEADI 跌倒风险自评量表对正确识别养老机构高跌倒风险老年人的应用价值， 发现2 个量表在评估老年人发生跌倒的风险中均存在一定的价值， 但是与STEADI 跌倒风险自评量表相比，Morse 跌倒评估量表的诊断价值、 准确度、真实性、敏感性和特异性更好，更适合评估养老机构老年人跌倒发生风险。 原因可能是STEADI 跌倒风险自评量表为自评量表， 评估结果难免受到老年人心态、机构环境和照护质量的影响，且该量表更适用于评价健康和轻度失能或残障的老年人[20]。 而Morse 跌倒评估量表的得分往往由护理人员做出评价， 且充分考虑了重度失能老年人发生坠床和在使用轮椅时发生跌倒事件的风险。总之，选择合适的量表和临界值评估老年人跌倒发生的可能性， 并根据不同方面的跌倒风险采取相应的措施， 能有效减少医护人员时间、精力和医疗资源的浪费，并降低老年人跌倒发生率，提高其生命质量。另外，受疫情影响，本研究访问条件受限，样本量较小，地区较为局限，未来可扩大样本量和研究范围， 进一步讨论本研究推荐的2 个量表最佳临界值在养老机构老年人中的合理性。