老年2型糖尿病病人身体与认知衰弱风险预测模型的研究现状

邬 雪,解 东,康永姣,赵 敏,黄昱源

随着人口老龄化加剧,老年2型糖尿病病人患病率逐年增高[1]。糖尿病往往合并认知障碍和身体衰弱[2],国内外研究表明,老年糖尿病病人身体衰弱发生率为9.4%～48.4%[3-4]。身体衰弱和认知功能互相影响,身体衰弱程度越高,认知功能越差,发生认知障碍的可能性越高[5],当认知障碍和身体衰弱同时存在,而不同时诊断为阿尔茨海默病或其他痴呆即为认知衰弱[6]。研究表明,年龄、文化程度、听力障碍、居住方式、营养状况、抑郁程度以及合并慢性病会影响老年病人认知衰弱的发生和发展,同时增加老年人跌倒、失能、痴呆和死亡等负性事件的发生风险[7]。身体衰弱是动态发展的[8],而认知衰弱也是一种可逆的身体和认知退化的过程[9]。本文综述老年2型糖尿病病人认知障碍、身体衰弱和认知衰弱风险预测模型,以期更好地进行评估及风险预测,延缓认知衰弱的发生和发展,提高糖尿病病人的生活质量。

1 老年2型糖尿病病人认知障碍风险预测模型研究现状

研究表明,糖尿病持续高血糖状态给组织和器官带来损害,同时增加认知障碍发生风险[10]。认知障碍风险预测模型能够预测发生认知障碍的危险因素及识别高危人群。董晓慧等[11]在上海市选择546例年龄≥60岁的老年住院病人以及养老机构老年人群进行调查研究,采集受试者的社会人口学资料,疾病史以及生活习惯等,应用Fried衰弱表型和认知功能评估工具进行评估,经多因素Logistic 回归分析筛选得出年龄、文化程度、直系亲属痴呆史、主观认知功能下降、衰弱状态、代谢综合征和低白蛋白血症均与认知障碍密切相关,将其预测因子纳入模型,并绘制预测诺谟图,模型中每个预测变量均有对应评分,7个变量评分总和即为总评分,垂直对应诺谟图下方的认知障碍风险轴,得出受试者发生认知障碍的概率。模型通过校准曲线、C指数评估显示具有良好的预测效能、精准度以及区分度。模型简捷,考虑时间效率,且通过预测诺谟图将影响因素对疾病结果的影响可视化,方便准确读取预测效果,可用于门诊和社区对认知障碍的快速筛查,但该模型暂未考虑部分合并慢性病老年人的服药情况。

戈欣等[12]构建了2型糖尿病病人并发抑郁风险的预测模型,该研究强调了睡眠质量是糖尿病病人发生抑郁的重要因素,研究表明2型糖尿病病人普遍存在睡眠质量差的问题,导致其出现认知障碍[13]。关于老年2型糖尿病病人的认知衰弱风险预测模型暂未发现,戈欣等[12]的研究可作为预测认知障碍的参考。2021年Gong等[14]通过对228例脑卒中后病人的随访研究构建并验证了一种简单的评分系统来预测轻微缺血性脑卒中后认知障碍的风险,研究的优点是从已有的临床信息中个性化预测卒中后认知障碍的发生风险,避免了结果受到主观因素影响,为其他慢性病住院病人(如糖尿病病人)快速且高效预测认知衰弱提供新的思路。

2 老年2型糖尿病病人身体衰弱风险预测模型研究现状

研究表明,胰岛素抵抗、慢性炎症及氧化应激等病理生理改变,造成老年糖尿病病人肌肉力量不足和肌肉质量减少,与非糖尿病病人相比,发生衰弱风险率更高[15]。

2.1 基于Fried衰弱表型(FP)工具构建衰弱风险预测模型

FP是衰弱评估的常用工具,于2001年被提出,包括体质量下降、握力低、疲乏、步速慢、身体活动量低等5个内容。FP从生理层面对衰弱进行诊断,流行病学研究表明FP可以准确预测不良的临床结果,近些年在老年医学研究领域获得较高的认可度[16]。

侯百灵等[17]采用便利抽样法,选取524名锦州市≥60岁的老年人作为研究对象构建了社区老年衰弱风险列线图模型,该研究应用FP、一般资料调查表以及阿森斯失眠量表和营养评估量表微型营养评定简表、老年抑郁量表、孤独感自评量表、日常生活能力量表(Activities of Daily Living,ADL)、社会支持评定量表(Social Support Rating Scale,SSRS)等变量进行评估,单因素和多因素Logistic回归筛选独立危险因素,结果显示应用步行辅助工具、日常生活能力下降、抑郁、失眠是衰弱的独立影响因素,依据其建立衰弱风险列线图模型。通过ROC曲线下面积(AUC)评价模型的预测价值,决策曲线证明该模型具有实用性。列线图将风险预测模型可视化,替代了经过复杂的数学公式进行老年人衰弱概率的计算,具有实用价值。但该研究的局限性是男性和女性数量不平衡,在研究性别和衰弱发生的相关性方面有所限制,纳入有意义的因素较少,未考虑部分老年人有多病共存的可能,影响预测效果。

印度的一项研究[18]通过FP调查确定住院老年人群衰弱发生可能性大,从而构建机构化老年人衰弱风险预测模型并进行验证,从9所医院招募55岁以上男性女性,排除严重运动和认知障碍以及癌症等疾病晚期的病人,从社会人口统计(包括年龄、性别、体质指数、教育情况)、生活方式、行为因素(包括跌倒史、吸烟、饮酒等)以及慢性阻塞性肺疾病、心力衰竭、糖尿病、抑郁症、功能性共病等方面进行评估,经单变量和多变量分析后结果显示低教育水平、低收入、功能活动性差以及存在3种以上的共病具有统计学意义,与衰弱发生有显著关联,因此被用于开发风险预测模型。该模型的局限性是测量体力活动和疲劳具有主观性,可以使用活动监测器等客观测量。在关于参与者社会人口统计学和发病因素方面的评估中,老年病人存在普遍的回忆偏差,这可能会影响最后的结果。

刘金炜等[19]的研究基于人体成分数据建立预测老年人衰弱的机器学习模型可以避免受被评估者主观因素的影响,预测精准。该模型的研究对象为北京市10个社区≥65岁老年男性,共562例病人。研究以FP作为诊断衰弱前期的金标准,利用生物电阻抗法获得与衰弱相关的人体成分指标,包括骨骼肌层面、脂肪层面,还纳入基础代谢率(basal metabolic rate,BMR)、骨矿物质、蛋白质、细胞内外水分(intracellular water,ICW)以及50 kHz全身相位角(50 kHz-whole body phase angle,50 kHz-WBPA)。通过随机森林算法筛选出相关因素重要性排名前10位的特征,分别为年龄、50 kHzWBPA、骨骼肌质量(skeletal muscle mass,SMM)、体脂百分比(percent body fat,PBF)、身体细胞量 (body cell mass,BCM)、内脏脂肪面积(visceral fat area,VFA)、基础代谢率、上臂肌肉围度(arm muscle circumference,AMC)、细胞内水分 、细胞总水分/去脂体质量 (total body water/fat free mass,TBW/FFM),其中PBF和VFA相对于BMI更具有重要性,相位角是人体成分测试中的特殊数据,重要性仅低于年龄。

研究表明,相位角可以反映细胞的质量和细胞膜的完整性,一定程度上代表细胞健康营养状况,已被证实有助于预测肿瘤、透析等病人的营养状况[20]。生物电阻抗法测量人体成分安全,具有无侵入性、可重复的特点,在妊娠期糖尿病病人[21]以及2型糖尿病病人测量身体脂肪率中广泛应用[22]。研究表明,肥胖与老年衰弱具有相关性[23]。在构建老年2型糖尿病病人衰弱风险预测模型时,可以参考刘金炜等[19]的研究,采用生物电阻抗法测量人体成分,筛选危险因素,减少主观影响,并参考侯百灵等[17]将其预测结果可视化,安全迅速,结果精准。

2.2 基于认知评估工具构建衰弱风险预测模型

蒙特利尔认知功能评估量表(The Montreal Cognitive Assessment,MoCA),该量表在评估老年糖尿病病人认知障碍中具有良好的信效度[24]。评估认知功能的工具还有画钟试验,简单易行,具有耗时短、受文化和环境影响小等优点。

一项国外研究根据输入认知特征构建了对老年衰弱风险预测模型,该研究选择年龄65～95岁的104名社区老年人作为研究对象,其中67%为女性,33%为男性[25]。向参与者收集了社会人口统计学特征(包括年龄、性别、教育情况)作为机器学习模型的背景信息,认知和心理特征通过MoCA、加州大学圣地亚哥分校基于绩效的技能评估简报(UPSA-B)、医疗结果研究健康调查简式36(SF-36)心理部分收集。其中MoCA和UPSA-B是用于评估整体认知和日常功能的常用指标,其他指标用作附加特征。而身体特征包括短体力测试(SPPB)、定时起床(TUG)测试、SF-36的身体组成部分、体质指数和腰臀比(WHR)。特别是TUG和SPPB已被确定为量化身体功能的有效方法,而其他特征被选为补充。该研究的特点是选择消融研究的视角探讨认知特征和身体特征之间的关系,即探讨由MoCA、UPSA-B、SF-36评估的认知功能与由TUG和SPPB的表现确定的身体功能之间的关系,来预测身体衰弱。

Yuan等[26]构建非比例优势模型检验认知障碍与身体衰弱关系,研究对象为2014—2016年新入院、预期寿命≥6个月和美国老年养老院(NH)住院时间≥6个月(n=571 139)的老年人。入院时、3个月和6个月分别进行最小数据集(MDS)评估。在每次评估中通过精神状态和认知表现量表(无/轻度、中度和重度)的简短访谈测量认知障碍,通过养老机构衰弱量表(FRAIL-NH)测量身体衰弱情况,并测量人口特征、诊断情况、疼痛和精神药物的服用情况。非比例优势模型与广义估计方程拟合,纵向检查认知障碍与身体衰弱之间的关联。研究表明认知障碍严重程度影响衰弱的发生率,两种情况之间联系是明显的,且随着时间的推移不断增加,入院时、3个月以及6个月超过37%的老年居民有严重的认知障碍,约70%的认知障碍病人有身体衰弱。但在衰弱前期和住院前3个月的老年人中,身体衰弱状况改善更常见,这可能是从干预中获益的最佳窗口。身体衰弱是动态发展的,该研究为养老机构老年人群的身体衰弱和认知障碍之间的正相关提供了证据,为预防和改善衰弱提供了方向,即通过缓解认知障碍作为切入点来改善衰弱。

王洁等[27]认为衰弱与认知障碍之间存在相似病理基础,认知障碍增加老年人发生衰弱的风险,张爽等[28]在对不同性别老年糖尿病病人衰弱现状和影响因素分析中也表明认知障碍是男性和女性病人衰弱的共同影响因素。可见,可以从认知障碍与衰弱发生的关系方面构建老年2型糖尿病衰弱风险预测模型。

李彩福等[29]构建了基于机器学习算法的社区老年衰弱前期风险预测模型,该研究于2019年收集542名老年人作为预测模型建模组成员,2021年收集205名老年人纳入验证组。通过一般情况调查问卷、画钟试验、Frail量表、ADL、简版老年抑郁量表(Geriatric Depression Scale,GDS-15)等进行评估,经单因素logistic回归分析筛选衰弱前期危险因素,通过反向传播(back propagation,BP)神经网络的选择梯度下降法优化模型,危险因素作为自变量输入模型进行重要性分析,并将其排序,分别为年龄、跌倒史、运动量低、多病共存、住院史、抑郁倾向、认知功能下降、文化程度低、日常生活能力下降以及多重耐药。该研究构建Logistic回归预测模型作为对比,采用验证组数据对两个模型进行外部验证,结果表明BP神经网络预测效能佳,灵敏度、特异度以及拟合度均高于Logistic回归模型。该模型的优势是通过时间验证对该模型进行了外部验证,即通过不同时间段的数据对该模型进行了评估,证明了模型具有良好的预测效能。

BP神经网络是采用多层感知器,将筛选出的变量作为输入变量,将是否发生END作为输出变量,隐藏层设置为自动计算,构建BP神经网络[30],李彩福等[29]的研究表明BP神经网络在预测模型准确性上存在优势,且可作为构建多种危险因素预测模型时的首选方法。糖尿病病人发生衰弱的危险因素较多,基于BP神经网络构建衰弱风险预测模型可能会提高其预测的准确性。

2.3 基于营养风险评价量表构建衰弱风险预测模型

简易营养评估方法(MNA-SF)是用来评估营养状况的常用工具,能够准确识别营养不良及有营养不良风险的老年病人,量表简便易行,具有良好的应用价值[31]。

Liu等[32]基于营养风险对老年住院病人构建衰弱早期风险预测模型,该研究分为两个阶段:第一阶段构建衰弱风险预测模型,衰弱的潜在相关因素包括年龄、性别、教育水平、婚姻状况、体质指数、独居、生活条件、吸烟、营养风险等,其中营养风险使用MNA-SF进行测量,并建立风险预测模型。第二阶段招募266例老年住院病人(65岁以上),应用脆弱模型在临床验证该模型的预测能力,FP将作为衰弱模型进行比较的“标准”。该研究采用以往研究的发现和评估工具,重点关注营养风险,研究结果有助于促进基于营养风险开发更详细的衰弱评估工具或构建衰弱风险预测模型,Yanagita等[33]发现白蛋白<40.0 g/L、体重<53 kg是老年糖尿病病人衰弱的危险因素,该研究构建的风险预测模型可为老年2型糖尿病病人衰弱风险预测模型提供参考。但由于目前营养状况影响衰弱发生的证据大多基于横断面数据,不能确定营养状况对衰弱发生和发展的因果关系[34],后续开展长期的预期性研究将会得到进一步验证。

3 老年2型糖尿病病人认知衰弱风险预测模型研究现状

老年2型糖尿病病人认知衰弱的发生率处于较高水平,影响其发生的因素有营养状况、睡眠质量、抑郁状况以及慢性病数量等[35]。近几年关于老年认知衰弱的风险预测模型的研究较多,杨振等[36]选取锦州市3个社区674例老年慢性病病人研究构建社区老年慢性病病人认知衰弱风险列线图预测模型,研究对象年龄≥60岁且患有高血压或糖尿病等其他慢性病,通过FP、小组自行设计的资料调查表(包括年龄、性别、体质指数、受教育程度等)等方式进行筛查,运用中文版蒙特利尔认知评估量表评估认知障碍,营养评价精法问卷和简版老年人抑郁量表收集老年病人营养状况以及抑郁情况。经单因素和多因素Logistic回归分析显示,年龄、独居、营养状态、抑郁状况为独立危险因素,将其纳入模型,并运用列线图将模型可视化,该模型通过内部验证,受试者工作曲线评价其具有良好的预测效能。该研究的研究对象仅限于锦州市,纳入因素有限,未来开展多中心研究,继续扩大样本量,将具体慢性病进行分别,可能提高预测精准性。

一项研究纳入1 271名年龄≥65岁的社区居民,具有较多的样本量,研究对象在我国台湾健康检查中记录的所有医疗信息以及人体测量数据,被用于开发认知衰弱风险预测模型[37]。将单变量分析中具有统计学意义(P<0.05)的变量输入二元Logistic回归中,二元Logistic回归中具有统计意义(P≤0.25)的变量系数转换为整数分数,求和的每个变量的整数构成认知衰弱风险(CFR)评分,该研究的特点以及优势是创新并验证了一种基于简单的历史记录和人体测量的算法,以筛查老年人的认知衰弱,且这些人体测量数据在实践中容易获得,易在社区环境中实施,以识别需要适当干预的老年人。

Yuan等[38]通过连续时间多状态马尔可夫模型来预测认知障碍、身体衰弱和认知衰弱之间的转换率,该研究共纳入4 051例研究对象,通过FP、单词回忆、图形绘制等评估身体衰弱和认知障碍。构建一系列单变量多状态马尔可夫模型识别危险因素,进行多变量分析,最后得出女性、文盲、农村户口、抑郁症以及认知障碍病人进展为认知衰弱的可能性更高。关于认知障碍进展到认知衰弱风险较高的相关因素包括对生活不满意、有跌倒史、多发病。该研究描述了个体如何在连续时间内一系列状态之间的移动,从认知障碍、身体衰弱与认知衰弱的关系预测认知衰弱发生的可能,多状态马尔可夫模型也被认为是研究疾病转变的最佳模型。但该项局限性是由于随访时间长,随访失败的个人被排除在分析之外,这些人年龄大,文盲率高,这在一定程度上削弱了该研究结果的推断。

以上认知衰弱风险预测模型缺乏对糖尿病病人的针对性,但可为糖尿病病人认知衰弱风险预测模型的开发提供经验,构建的模型应简单易于操作,具有实用性,在收集资料时避免长时间随访,以免数据脱落,影响研究结果。

4 小结与启示

认知衰弱影响老年糖尿病病人生存质量,早期预测对预防以及干预认知衰弱有重要意义。目前国内外关于不同机构老年人认知衰弱或身体衰弱风险预测模型研究较多,而与老年糖尿病认知衰弱或老年糖尿病衰弱相关的研究大多集中在影响因素及评估工具上。本文认为在构建老年糖尿病病人认知障碍风险预测模型时,可参考老年人衰弱及认知衰弱风险预测模型,重点关注老年2型糖尿病病人特征以及认知障碍、身体衰弱和认知衰弱的关系,以期全面精准地构建预测模型。