农村老年人运动认知功能减退综合征风险预测模型的构建及验证

高娜 许梦茹 张利 刘玉文 魏星

随着人口老龄化的加速,痴呆已成为我国面临的重要健康问题。目前,尚无痴呆的有效治疗方法,早期诊断和预防尤为重要。运动认知功能减退综合征(motoric cognitive risk syndrome, MCRS)指在没有痴呆和运动障碍的老年人群中,以主观认知功能下降和步态缓慢为特征的一种痴呆前期综合征[1]。我国老年人群MCRS患病率为10.2%[2],可导致痴呆、残疾、死亡等不良健康后果[3-4]。有研究表明,生活在农村地区的老年人更容易患上MCRS[5]。然而,目前国内外对农村老年人MCRS的研究甚少,且缺乏风险评估工具对农村老年人MCRS进行早期个体化评估。列线图(nomogram)是一种简单便捷的预警工具,可以直观预测疾病的发生风险[6]。因此,本研究构建了农村老年人MCRS列线图预测模型,以期为预防农村老年人发生MCRS提供参考。

1 资料与方法

1.1 一般资料 采用分层抽样法,根据经济水平将皖北地区各市划分为高、中、低三层,每一层随机选取5个行政村,于2022年10月至2023年5月进行调查。纳入标准:(1)年龄≥60岁;(2)无沟通障碍,能够配合完成所有调查量表。排除标准:(1)因残疾或下肢血管病变等原因引起的运动障碍;(2)患有严重的躯体疾病和精神疾病;(3)患有痴呆、癫痫、帕金森病等影响认知功能的神经系统疾病;(4)正在服用影响认知功能的药物;(5)资料不完整或缺失。本研究获得蚌埠医学院伦理委员会审批(伦科批字[2022]第102号)。

1.2 研究方法

1.2.1 调查工具:(1)一般资料问卷:内容包括年龄、性别、受教育程度、肥胖、久坐行为、多重用药等。其中,久坐行为是指每天久坐时间≥3 h[7];肥胖为BMI≥28。(2)MMSE量表:用于测评认知功能,包含定向力和记忆力、注意力和计算力、语言能力等内容,量表总分为30分,分值越高,认知功能越好[8]。(3)匹兹堡睡眠质量指数量表(Pittsburgh sleep quality index, PSQI):包括主观睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物和日间功能障碍7个维度,19个条目,总分为0～21分,分值越高表示睡眠质量越差,PSQI得分>7分为睡眠质量较差[9]。(4)社会支持量表(social support rating scale, SSRS):包括客观支持、主观支持、社会支持利用度3个维度,10个条目。总分范围12～66分,得分越高表示社会支持度越高,总分12～22分、23～44分、45～66分分别表示社会支持的低、中、高水平[10]。(5)简版老年抑郁量表(Geriatric Depression Scale-15,GDS-15):用于评估老年人近一周的感受。该量表共有15个条目,总分为0～15分,得分≥5分表示存在抑郁症状[11]。

1.2.2 MCRS诊断标准:本研究基于Verghese等[12]提出的诊断标准,需同时满足4个条件,具体包括:(1)主观认知功能下降:采用GDS-15中的一个记忆条目“您是否觉得记忆力比大多数人差”,若回答“是”,则定义为主观认知功能下降[11]。(2)步态缓慢:步速低于同年龄、同性别人群的平均步速1个标准差。本研究采用4 m步行测试法进行评估,测量2次取平均值。不同年龄组(60～69岁、70～79岁、≥80岁)定义步态缓慢的临界值为男性0.94 m/s、0.74 m/s、0.60 m/s,女性0.85 m/s、0.68 m/s、0.54 m/s[13]。(3)无运动障碍:如吃饭、上厕所、洗澡、穿衣服、走路、上下床时没有困难。(4)无痴呆:根据MMSE量表得分:文盲组>17分,小学组>20分,中学及以上组>24分。

1.2.3 调查方法:由经过统一培训的调查人员对老年人进行面对面的问卷调查。在获得知情同意后,根据老年人的回答填写问卷,并及时对遗漏的问题进行补充,以确保问卷质量。

1.3 统计学方法 本研究使用SPSS 25.0软件和R语言(4.3.0版本)进行数据分析。计数资料用频数、百分比(n,%)表示,组间比较采用χ2检验。在R语言中,采用Lasso回归分析筛选出影响因素变量,在此基础上使用多因素Logistic回归分析构建列线图预测模型,绘制校准曲线和ROC曲线评价模型的准确度和区分度。采用Bootstrap法重复抽样1000次对列线图模型进行内部验证。以P<0.05为差异有统计学意义。

2 结果

2.1 一般资料 本研究调查的752例农村老年人中,112例被评估为MCRS,MCRS发生率为14.89%(112/752)。MCRS组和非MCRS组一般资料比较,年龄、家庭人均月收入、久坐行为、合并慢性病总数、多重用药、慢性疼痛、跌倒史、医疗保险、睡眠质量、社会支持、抑郁情况差异有统计学意义(均P<0.01),见表1。

表1 MCRS组与非MCRS组一般资料比较(n,%)

2.2 农村老年人发生MCRS的Lasso回归分析 将相关因素作为自变量,是否发生MCRS作为因变量,进行Lasso回归分析。Lasso采用10倍交叉验证方法,选择距离最小均方误差在1个标准误内的λ值为最优λ。结果显示,最优λ为0.034,在此λ下共纳入年龄、家庭人均月收入、久坐行为、慢性病数量、多重用药、医疗保险、睡眠质量、社会支持、抑郁9个预测变量。

2.3 农村老年人发生MCRS的多因素Logistic回归分析 将Lasso回归筛选的9个预测变量作为自变量,以是否发生MCRS(否=0,是=1)作为因变量,进行多因素Logistic回归分析。结果显示,年龄(60～69=0,70～79=1,≥80=2)、久坐行为(无=0,有=1)、多重用药(无=0,有=1)、睡眠质量(较好=0,较差=1)、社会支持(低水平=0,中水平=1,高水平=2)、抑郁(无=0,有=1)是农村老年人MCRS发生的影响因素,见表2。

表2 农村老年人发生MCRS的多因素Logistic回归分析

2.4 构建农村老年人MCRS列线图预测模型 根据Logistic回归分析的影响因素构建列线图预测模型,logit(P)=-1.133+年龄×[0.897(70～79岁)或1.360(≥80岁)]+0.887×久坐行为+0.763×多重用药+0.932×睡眠质量(较差)-社会支持×[2.342(中水平)或2.710(高水平)]+0.770×抑郁。基于上述影响因素绘制列线图模型,见图1。

图1 农村老年人MCRS风险列线图模型

2.5 农村老年人MCRS列线图预测模型评价 采用ROC曲线评价列线图模型的区分度,见图2。AUC为0.844(95%CI:0.804～0.883),灵敏度为0.714,特异度为0.819,约登指数为0.533,表明模型的区分度较好。运用Bootstrap法对模型进行内部验证,通过Bootstrap重复抽样1000次绘制校准曲线,结果显示:平均绝对误差为0.009,模型表现与理想模型具有较好的一致性,提示模型预测准确性较好,见图3。

图2 农村老年人MCRS风险列线图模型的ROC曲线

图3 农村老年人MCRS风险列线图模型的校准曲线

3 讨论

3.1 农村老年人MCRS的发生率分析 本研究显示,农村老年人MCRS发生率为14.89%,高于韦萍萍等[13]对太原市社区老年人的调查结果。这种差异可能由于年龄分布、评估工具和地域等因素造成。因此,护理人员应特别关注农村地区老年人,及早筛查MCRS高风险人群,制定相应的干预措施,以预防MCRS发生。

3.2 农村老年人发生MCRS的影响因素分析 本研究中,年龄是农村老年人发生MCRS的影响因素,年龄越大,MCRS发生率越高。相关研究表明,社区老年人MCRS发生率与年龄呈正相关[11]。随着年龄增长,老年人的大脑功能逐渐老化,神经发生退行性病变,脑体积缩小,大脑认知功能和运动功能也随之下降,导致MCRS的发生[14]。本研究结果表明,久坐行为是农村老年人发生MCRS的影响因素。既往研究也显示,久坐行为与MCRS密切相关[15]。原因可能是脑白质与执行功能密切相关,在认知功能和步态控制中发挥着重要作用,而久坐行为与大脑白质损伤有关[16],增加了MCRS患病风险[2]。因此,要鼓励老年人积极参加体育活动,避免久坐行为,以预防MCRS的发生。本研究发现,多重用药者发生MCRS的风险较无多重用药者增加2.145倍。多重用药在老年人中非常普遍,会使老年人发生药物不良事件、药物相互作用和药物不依从性,导致老年人身体和认知功能下降[17]。本研究中,睡眠质量较差的农村老年人MCRS患病风险较高。既往研究显示,充足的睡眠对于维持认知和执行功能至关重要,睡眠质量较差会激活神经炎症、破坏代谢和内分泌功能,导致老年人认知功能下降[18]。本研究显示,与低水平社会支持的农村老年人相比,中高水平社会支持的农村老年人MCRS患病风险相对较小。原因可能在于较高水平的社会支持增加了大脑区域的灰质体积,改善了老年人的认知功能和执行功能,降低了MCRS患病风险[19]。本研究结果显示,抑郁症状与MCRS发生密切相关。既往研究也显示老年人MCRS的发生与抑郁症状呈正相关[20]。原因是抑郁症状会促进身体炎症因子释放,这些炎症因子可穿过血脑屏障影响脑部功能,进而影响认知功能和步态,从而导致MCRS的发生[21]。

3.3 农村老年人MCRS列线图预测模型具有实用性 本研究通过Lasso回归进行变量筛选,能有效避免多重共线性问题;根据筛选出的变量结合多因素Logistic回归分析结果构建列线图预测模型,预测模型AUC为0.844,表明模型具有较好的区分度。内部验证结果显示模型表现与理想模型具有较好的一致性,表明模型具有较好的预测能力。这一模型有助于护理人员根据列线图中各变量的分值得出总分,通过总分计算出MCRS的发生风险,早期识别MCRS高风险人群。

本研究存在一定的局限性,如本研究为横断面研究,无法描述因果关系;纳入的样本量较少且只进行了内部验证,未来将扩大样本量进行外部数据集验证,以进一步优化预测模型。