步速和握力对住院老年患者全因死亡和跌倒的预测价值研究

杨卉，崔云婧，张少景，王丽军，王青

步速和握力作为简单、有效地评价老年人躯体功能和肌肉力量的指标，亦是衰弱和肌少症诊断的核心指标［1-2］。广泛的研究证据表明，步速和握力均是衰老和健康结局的生物标志物，与死亡、心血管疾病、失能、认知功能下降等不良结局相关［3-6］。来自英国生物样本库的对基线无心血管疾病的超40万人的队列研究显示，将步速或握力添加到欧洲心脏手术风险评估系统（Euro SCORE）评分中能够提高对心血管疾病的风险预测，将二者联合添加时，预测效果更强［7］。一项基于中国健康与养老追踪调查的前瞻性队列研究显示，步速和握力可以独立或联合预测社区老年人跌倒的发生，二者联合可能会提高对跌倒风险高危人群的预测［8］。目前国内对步速和握力二者联合与住院老年患者出院后不良结局的研究鲜见报道。本研究旨在探讨步速和握力对住院老年患者预后的影响，有助于优化老年人健康管理。

1 对象与方法

1.1 研究对象 选取2015年8月至2018年12月在首都医科大学附属复兴医院老年科住院的老年患者656例为研究对象。纳入标准：（1）年龄≥65岁；（2）住院时间＞24 h；（3）意识清晰，能完成步速、握力测定及老年综合评估内容；（4）自愿参与本研究并签订知情同意书。排除标准：（1）长期卧床、痴呆晚期及失语；（2）因急性心肌梗死或卒中入院，或近3个月内发生过心脑血管急性事件；（3）恶性肿瘤晚期或正在接受抗肿瘤治疗；（4）存在严重影响步速的疾病，如帕金森病、近期髋部骨折及致残性卒中等。本研究在首都医科大学附属复兴医院伦理委员会备案（文件号：2015FXHEC-KY016）。

1.2 方法

1.2.1 一般资料和实验室检查指标收集 一般资料包括年龄、性别、身高、体质量、合并疾病情况、长期用药数量，并根据身高和体质量计算体质指数（body mass index，BMI）；实验室检查指标包括血红蛋白、肌酐，并根据改良简化的MDRD公式计算估算肾小球滤过率（eGFR）［9］。

1.2.2 步速测定 采用6米步行试验测定患者步速［2］，嘱患者按照平时速度从起点静止状态开始行走6 m，在患者足尖越过测试起点时开始计时，在其足尖越过测试区终点时结束计时，记录行走时间（s），共行走2次，取行走时间均值，计算行走速度（m/s）。依据步速三分位数将患者分为T1、T2、T3组，其中T1组步速≤0.6 m/s，T2组步速为＞0.6～0.8 m/s，T3组步速＞0.8 m/s。

1.2.3 握力测定 采用电子读表式握力计〔香山EH101握力计（产地：广东中山）〕测定患者握力［2］。患者取站立位、伸肘测量，优势手用最大力量等距收缩，同一只手测量2次，间隔至少15 s，选取最大读数（kg）。依据握力三分位数将患者分为L1、L2、L3组，其中L1组握力：男性≤21.6 kg、女性≤14.6 kg，L2组握力：21.6 kg＜男性≤28.2 kg、14.6 kg＜女性≤19.4 kg，L3组：男性 ＞28.2 kg、女性 ＞19.4 kg。

1.2.4 老年综合评估 老年综合评估包括共病情况、营养状态、日常生活活动能力、认知功能情况、多重用药情况。采用Charlson共病指数（Charlson Comorbidity Index，CCI）［10］评估共病情况，该评估方法加权了年龄、共存疾病数量和严重程度，疾病评估包括19项疾病，严重程度评估根据疾病严重程度权重分别赋予1、2、3、6分，根据年龄调整分值，自50～59岁开始计1分，每增加10岁分值增加1分。疾病的诊断依据相关诊断标准，由临床医生完成记录。营养状态采用微营养评定法简表（Mini-nutritional Assessment Short-form，MNASF）［11］评估，总分14分，12～14分为正常，8～11分提示存在营养不良风险，0～7分提示营养不良；后文将营养不良风险和营养不良统称为营养不良（风险）。日常生活活动能力采用Katz-ADL量表［12］（Katz-activities of Daily Living，Katz-ADL）评估，总分6分，＜6分定义为日常生活活动能力下降。认知功能评估采用简易智力状态检查量表（MMSE量表）［13］评估，总分30分，根据文化程度调整分值：小学以下文化程度≤17分、小学文化程度≤20分、中学及以上文化程度≤24分诊断为认知功能障碍。多重用药定义为用药数量≥5种［14］。

1.2.5 随访 以电话方式进行随访，患者出院后每3个月开展1次，1年后每半年开展1次，记录患者全因死亡及跌倒的发生情况。随访起点时间为2015-08-01至2018-12-31，末次随访时间为2019-12-31。失访定义为在预定随访时间内至少进行3次电话随访，如上一次未成功，在之后的随访时间再次进行电话随访，截至2019-12-31仍不成功者则纳入失访数据。考虑到失访数据＜5%，属于完全随机缺失，直接进行删除处理。全因死亡定义为任何原因的死亡；跌倒定义为发生在任何场所、任何情况下，不论有无造成身体伤害的非预期性跌坐或滑坐于地面，包括因肢体无力或扶持不住而不得不缓缓坐于地上。

1.3 统计学方法 采用SPSS 21.0统计学软件进行数据分析。符合正态分布的计量资料以（±s）表示，如方差具有齐性，两组间比较采用独立样本t检验，如方差不齐则两组间比较采用Mann-WhitneyU检验；非正态分布的计量资料以M（P25，P75）表示，两组间比较采用 Mann-WhitneyU检验；计数资料以相对数表示，组间比较采用χ2检验；采用Kaplan-Meier法绘制步速（T1、T2、T3组）、握力（L1、L2、L3组）单独及联合预测住院老年患者全因死亡和跌倒发生风险的生存曲线，生存曲线比较采用Log-rank检验；采用单因素、多因素Cox回归分析探究步速、握力单独及联合与全因死亡及跌倒发生风险的关系，并计算风险比（HR）和95%置信区间（95%CI）；绘制步速、握力单独预测住院老年患者全因死亡及跌倒的受试者工作特征（ROC）曲线，进一步通过Logistic回归分析构建步速、握力联合诊断模型预测概率，并绘制ROC曲线，计算ROC曲线下面积（AUC）、灵敏度、特异度、最佳截断值。以P＜0.05为差异有统计学意义。

2 结果

2.1 患者临床基本特征 685例患者中失访29例（4.2%），最终收集完整资料共656例。656例患者平均年龄（83.4±6.2）岁，其中男399例（60.8%）、女257例（39.2%），中位随访时间3.1（2.4，3.8）年。随访期间共130例（19.8%）患者发生全因死亡，147例（22.4%）患者发生跌倒。T1、T2、T3组分别为222、225、209例患者，L1、L2、L3组分别为 215、229、212例患者。

2.2 死亡与非死亡患者、跌倒与未跌倒患者临床资料比较 死亡患者年龄、CCI高于非死亡患者，BMI、步速、握力、血红蛋白水平、eGFR水平低于非死亡患者，冠心病、脑卒中、慢性肾脏病患病率及营养不良（风险）、日常生活活动能力下降、认知功能障碍所占比例高于非死亡患者，差异有统计学意义（P＜0.05）；死亡患者和非死亡患者性别和高血压、糖尿病、慢性阻塞性肺疾病患病率及多重用药所占比例比较，差异无统计学意义（P＞0.05），见表1。

表1 死亡与非死亡患者临床资料比较Table 1 Comparison of clinical data between the deceased and survived patients

跌倒患者步速、握力低于未跌倒患者，营养不良（风险）及日常生活活动能力下降所占比例高于未跌倒患者，差异有统计学意义（P＜0.05）；跌倒患者与未跌倒患者年龄、性别、BMI、合并疾病患病率、CCI和认知功能障碍、多重用药所占比例及血红蛋白、eGFR水平比较，差异无统计学意义（P＞0.05），见表2。

表2 跌倒与未跌倒患者临床资料比较Table 2 Comparison of clinical data between patients with and without a fall

2.3 步速及握力与住院老年患者全因死亡与跌倒的关系

2.3.1 步速与住院老年患者全因死亡与跌倒的关系 绘制步速（T1、T2、T3组）与全因死亡和跌倒关系的生存曲线，T1、T2、T3组全因死亡累积发生率的生存曲线比较，差异有统计学意义（χ2=68.120，P＜0.01），见图1；T1、T2、T3组跌倒累积发生率的生存曲线比较，差异有统计学意义（χ2=14.219，P＜0.01），见图2。

图1 不同步速分组住院老年患者全因死亡的生存曲线Figure 1 Survival curve of all-cause mortality in geriatric inpatients according to gait speed

图2 不同步速分组住院老年患者跌倒的生存曲线Figure 2 Survival curve of falls in geriatric inpatients according to gait speed

2.3.2 握力与住院老年患者全因死亡与跌倒的关系 绘制握力（L1、L2、L3组）与全因死亡和跌倒关系的生存曲线，L1、L2、L3组全因死亡累积发生率的生存曲线比较，差异有统计学意义（χ2=74.213，P＜0.01），见图3；L1、L2、L3组跌倒累积发生率的生存曲线比较，差异有统计学意义（χ2=9.263，P＜0.01），见图4。

图3 不同握力分组住院老年患者全因死亡的生存曲线Figure 3 Survival curve of all-cause mortality in geriatric inpatients according to grip strength

图4 不同握力分组住院老年患者跌倒的生存曲线Figure 4 Survival curve of falls in geriatric inpatients according to grip strength

2.3.3 步速、握力与全因死亡关系的Cox回归分析 以住院老年患者全因死亡与否为因变量（赋值：否 =0，是 =1），以步速、握力为自变量，以年龄（赋值：实测值）、性别（赋值：男性=0，女性=1）、BMI（赋值：实测值）、合并冠心病（赋值：否 =0，是 =1）、合并脑卒中（赋值：否=0，是=1）、CCI（赋值：实测值）、营养状态〔赋值：无营养不良（风险）=0，存在营养不良（风险）=1〕、日常生活活动能力（赋值：无下降 =0，下降=1）、认知状况（赋值：无认知功能障碍 =0，存在认知功能障碍=1）、多重用药（赋值：否=0，是=1）、血红蛋白（赋值：实测值）、eGFR（赋值：实测值）为调整变量，分别进行单因素、多因素Cox回归分析。单因素Cox回归分析结果显示，与T3组相比，T1、T2组全因死亡发生风险增加（P＜0.05）；与L3组相比，L1、L2组全因死亡发生风险增加（P＜0.05）。多因素Cox回归分析结果显示，与T3组相比，T1组全因死亡发生风险增加（HR=2.50，P＜0.05）。与L3组相比，L1组全因死亡发生风险增加（HR=2.17，P＜0.05），见表 3。

表3 步速、握力与全因死亡关系的Cox回归分析Table 3 The association of gait speed and grip strength with all-cause mortality by Cox regression analysis

以住院老年患者跌倒与否为因变量（赋值：否=0，是=1），以步速、握力为自变量，以年龄、性别、CCI、营养状态、日常生活活动能力、认知状况、多重用药为调整变量（赋值同上），分别进行单因素、多因素Cox回归分析。单因素Cox回归分析结果显示，与T3组相比，T1组跌倒发生风险增加（P＜0.05）；与L3组相比，L1组跌倒发生风险增加（P＜0.05）。多因素Cox回归分析结果显示，与T3组相比，T1组跌倒发生风险增加（HR=1.64，P＜0.05），见表4。

表4 步速、握力与跌倒关系的Cox回归分析Table 4 The association of gait speed and grip strength with falls by Cox regression analysis

与T3组、L3组组合患者相比，T1组、L1组组合与T1组、L2组组合患者全因死亡发生风险增加（HR分别为3.29、3.09，P＜0.05），T1组、L1组组合患者跌倒发生风险增加（HR=1.92，P＜0.05），见表5。

表5 不同步速、握力分组组合与全因死亡、跌倒关系的多因素Cox回归分析Table 5 The association of the combination of gait speed and grip strength with all-mortality and falls by Cox regression analysis

2.3.4 步速、握力单独与联合对住院老年患者全因死亡及跌倒的预测效果 绘制步速、握力单独与联合预测住院老年患者全因死亡及跌倒的ROC曲线（图5～6），结果显示，步速联合握力预测住院老年患者全因死亡的AUC为0.756〔95%CI（0.710，0.801），P＜0.01〕，约登指数、灵敏度及特异度分别为0.387，71.5%、67.1%；步速联合握力预测住院老年患者跌倒的AUC为0.700〔95%CI（0.659，0.741），P=0.01〕，约登指数、灵敏度及特异度分别为0.222，71.8%、50.4%；步速、握力单独预测住院老年患者全因死亡、跌倒的AUC、灵敏度、特异度详见表6。

图5 步速、握力单独与联合预测住院老年患者全因死亡的ROC曲线Figure 5 ROC curves of gait speed，grip strength and their combination for predicting all-cause mortality in geriatric inpatients

图6 步速、握力单独与联合预测住院老年患者跌倒的ROC曲线Figure 6 ROC curves of gait speed，grip strength，and their combination for predicting falls in geriatric inpatients

表6 步速、握力单独与联合预测住院老年患者全因死亡及跌倒的相关指标Table 6 Related variables of gait speed，grip strength，and their combination for predicting all-cause mortality and falls in geriatric inpatients

3 讨论

步速是评估和监测老年人群的功能状态和整体健康状况的指标，反映了多个器官系统的健康状况，被称为人体“第六生命体征”［15］。美国一项基于心血管健康研究（n=3 010，年龄≥65岁）数据的分析评估了基线生理指标测量（血管系统、脑、肾、肺和糖代谢）与6年内步速之间的关系，研究结果显示，5个器官系统的受损程度与低步速及步速下降幅度相关，提出步速是一项可评估老年人潜在生理健康的指标［16］。步速是反映肌肉力量的指标，与下肢力量、股四头肌力矩、腓肠肌肌肉横截面积等显著相关，低步速是个体活动能力下降的临床标志，预测效能优于肌肉质量［17］。一项纳入了48项队列研究的荟萃分析（n=101 945，平均年龄72.2岁，随访5.4年）探讨了步速与死亡的相关性，结果显示，在调整潜在混杂因素后，步速每降低0.1 m/s，死亡风险增加12%〔HR=1.12，95%CI（1.09，1.14）〕，提示低步速是死亡风险的预测因子［18］。荷兰一项基于鹿特丹研究的队列研究（n=4 490，平均年龄67.4岁，随访4.5年）探讨了步速与死亡的相关性，亦得出相似结论［19］。本研究团队前期在住院高龄老年患者中探讨了步速与全因死亡的相关性，将步速三分位数分组，Cox回归分析结果显示，调整混杂因素后，与高步速组相比，中等及低步速组全因死亡发生风险更高（HR分别为2.365、2.363，P＜0.05），提示在住院高龄老年患者中，低步速与全因死亡发生风险相关［20］。一项纳入34项观察性队列研究的荟萃分析（年龄≥60岁社区老年人群）显示，无论将握力作为分类变量还是连续变量，均能够预测该人群的死亡风险［21］。韩国一项队列研究采用2006—2014年老龄化纵向研究数据（n=5 859，年龄≥50岁）探讨了握力与全因死亡的相关性，将握力进行三分位数分组，Cox回归分析结果显示，低握力组与全因死亡发生风险相关〔HR=1.90，95%CI（1.33，2.73）〕［22］。荷兰一项队列研究（年龄≥70岁的住院患者）探讨了握力与死亡的相关性，将握力进行三分位数分组，Cox回归分析结果显示，在调整混杂因素后，仅在男性中，低握力与全因死亡发生风险相关〔HR=2.66，95%CI（1.40，5.05）〕［23］。本研究结果表明，在住院老年患者中，低步速及低握力均是死亡风险的预测因子。

近年的一些研究对步速、握力与跌倒的关系进行了探讨。2020年肌少症定义和结果联盟发布的声明中，分析了8项流行病学研究、6项临床随机对照试验、4项特殊的队列研究及2项全国代表性研究，结果显示，在社区老年人群中，低握力及低步速均可独立预测跌倒、自述的行动受限、髋关节骨折及死亡的风险人群，为肌少症的定义提供了循证医学证据［24］。一项基于中国健康与养老追踪调查的前瞻性队列研究探讨社区老年人步速、握力与跌倒风险的关系，低步速和低握力的标准采用该队列研究人群经性别、身高和体质指数校正后计算得出的参考值，结果显示低步速和低握力（RR值分别为1.32及1.36）均是跌倒的独立危险因素［8］。本研究Cox回归分析结果显示，在住院老年患者中，仅低步速是跌倒发生风险的预测因子，考虑与本研究人群为住院患者、多种慢病并存、功能残缺、多重用药等特点有关。

步速和握力是反映身体机能的简单测量指标，亦是Fried衰弱表型评估和肌少症诊断标准的重要组成部分，二者均与死亡及跌倒相关，将二者联合是否可以增加预测效果？日本一项以老年人群为基础的前瞻性队列研究（n=1 085，年龄65～89岁，平均随访10.5年）探讨了步速、握力及站立平衡时间与全因死亡的相关性，将基线步速、握力和站立平衡时间分别按性别进行三分位数分组，结果显示，在调整年龄、性别、基础疾病、血清学指标等混杂因素后，低步速、低握力及站立平衡时间短均与死亡风险相关（HR分别为1.62、1.44、1.58），进一步通过AUC及净重新分类指数结果显示，三种指标联合使用增加了对全因死亡的预测能力［25］。基于中国健康与养老追踪调查的前瞻性队列研究结果亦显示，低步速〔RR=1.32，95%CI（1.07，1.59）〕和低握力〔RR=1.36，95%CI（1.14，1.61）〕均是跌倒的独立危险因素，将步速和握力进行组合能够更好地预测跌倒的发生风险［8］。本研究探讨了步速和握力二者组合与死亡及跌倒的相关性，Cox回归分析显示，在调整混杂因素后，与高步速/高握力组合相比，低步速和低/中握力组合与全因死亡显著相关，低步速/低握力组合与跌倒显著相关；进一步行ROC曲线分析结果显示，步速和握力联合预测全因死亡及跌倒的AUC分别为0.756、0.700，均优于单一指标的预测效果，提示在住院老年患者中，将步速和握力二者联合能够更好地预测全因死亡及跌倒风险。

本研究尚存在一定的局限性，本研究对象为单中心的住院老年患者，结果可能存在偏倚，可进一步在社区、养老院人群探讨步速和握力对老年患者预后的影响。2017年世界卫生组织发布老年人综合护理指南［26］，建议体力（根据步速、握力等）下降的老年人通过力量抗阻训练、改善营养等减缓、阻止乃至逆转内在功能的下降。在未来的研究中本研究团队将通过多学科团队管理对步速、握力下降的老年住院患者进行个性化指导和干预，探讨步速、握力变化对老年人群预后的影响。

综上所述，步速和握力测量方法简单、有效易行、可重复性强，在住院老年患者中，步速和握力联合可更好地预测患者全因死亡及跌倒风险，有助于优化老年人的健康管理，建议将步速和握力同身高、体质量一样纳入评估身体健康状态的常规指标。

作者贡献：杨卉、王青提出研究命题与研究思路，进行研究方案的构思与设计，负责实施研究、结果的解读；杨卉、崔云婧、张少景、王丽军负责数据收集及整理；杨卉负责数据清洗、统计学分析、绘制图表；杨卉、王青负责论文的修订；王青负责文章的质量控制及审校，研究经费的支持，并对文章整体负责，监督管理。

本文无利益冲突。