3种跌倒风险评估工具对养老机构中老年人跌倒风险的预测价值比较

李九红 陈婷 黄伶智 董阿兰 张素霞 谢娟玉 吴萍

基金项目 湖南省社会科学成果评审委员会项目，编号：XSP2023GLC110；湖南省卫生健康委课题，编号：D202314027143，202214023492

作者简介 李九红，主管护师，硕士

通讯作者 陈婷，E?mail：chenting80@csu.edu.cn

引用信息 李九红，陈婷，黄伶智，等.3种跌倒风险评估工具对养老机构中老年人跌倒风险的预测价值比较[J].护理研究，2024，38（13）：2296?2301.

Comparison of predictive value of three fall risk assessment tools among middle?aged and elderly people in nursing facilities

LI Jiuhong， CHEN Ting， HUANG Lingzhi， DONG Alan， ZHANG Suxia， XIE Juanyu， WU Ping

The Second Xiangya Hospital of Central South University， Hunan 410000 China

Corresponding Author  CHEN Ting， E?mail： chenting80@csu.edu.cn

Abstract  Objective：To compare and explore the predictive value of three fall risk assessment tools，which were Morse Fall Assessment Scale （MFS），St Thomas's Risk Assessment Tool （STRATIFY Scale），and Short Physical Performance Battery （SPPB） in middle?aged and elderly people in nursing facilities.Methods：4 041 cases of middle?aged and elderly people were randomly selected from a total of 80 nursing homes in 4 cities and prefectures in Hunan province using the General Information Questionnaire，MFS，STRATIFY Scale， and SPPB Scale.The ROC curves were used to assess the predictive effect of different fall assessment scales on falls.Results：A total of 4 041 cases of middle?aged and elderly people in nursing institutions were investigated，and 676 people （16.73%） had fallen within one year.The results showed that there were statistically significant differences between the fall group and the no?fall group in comparing middle?aged and elderly people in age，gender，whether they had comorbid chronic diseases， and whether they were depressed （P<0.05）.The AUC of the MFS was 0.850 （95%CI 0.834?0.867），and the Jorden index was 0.597 when the total score was 37.5， and the scale had the greatest predictive value；the AUC of the STRATIFY was 0.764（95%CI 0.744?0.783），when the total score was 1.5，and the Jorden index was 0.407，and the scale had the greatest predictive value； the AUC of the SPPB was 0.675（95%CI 0.654?0.697），when the total score was 7.5，and the Jorden index was 0.293， and the scale had the greatest predictive value.The AUC of the MFS scale and the Jorden index were higher than the other two scales.Conclusion：MFS，STRATIFY，and SPPB all have predictive value for the fall risk of the elderly in nursing facilities，and the predictive value of MFS is  higher than STRATIFY and SPPB.

Keywords    nursing facilities； middle?aged and elderly people； assessment tools； fall down； predictive value； nursing

摘要  目的：探讨Morse跌倒评估量表（MFS）、托马斯跌倒风险评估工具（STRATIFY量表）、简易体能状况量表（SPPB）3种跌倒风险评估工具对养老机构中老年人跌倒风险的预测价值。方法：整群随机抽取湖南省4个地州市共80所养老机构内的4 041名中老年人，采用一般资料调查表、MFS、STRATIFY、SPPB量表进行资料收集。使用受试者工作特征（ROC）曲线评估不同评估量表对跌倒的预测效果。结果：共调查4 041名老年人，676人（16.73%）1年内发生跌倒。跌倒组和未跌倒组年龄、性别、是否合并慢性病、是否抑郁比较差异有统计学意义（P<0.05）。MFS的ROC曲线下面积（AUC）为0.850［95%CI（0.834，0.867）］，当总分为37.5分时，约登指数为0.597，量表的预测价值最大；STRATIFY量表AUC为0.764［95%CI（0.744，0.783）］，当总分为1.5分时，约登指数为0.407，量表的预测价值最大；SPPB的AUC为0.675［95% CI（0.654，0.697）］，当总分为7.5分时，约登指数为0.293，量表的预测价值最大。MFS的AUC、约登指数均高于其他2个量表。结论：MFS、STRATIFY、SPPB量表对养老机构中老年人跌倒风险均有预测价值，MFS的预测价值高于STRATIFY、SPPB量表。

关键词  养老机构；中老年人；评估工具；跌倒；预测价值；护理

doi：10.12102/j.issn.1009-6493.2024.13.007

跌倒已成为全球意外伤害死亡的第二大原因[1]，是老年人关注的重要问题[2]。跌倒被记录为最常见的不良事件，国际联合委员会宣布预防跌倒是6项国际病人安全目标之一[3]。在美国，超过1/3 的中老年人每年至少跌倒1次，我国中老年人跌倒发生率为13.5%～34.9%[4]，而居住在养老机构的老年人有着更高的跌倒发生率[5]，跌倒是目前我国长期护理机构面临的首要安全问题。中老年人跌倒可导致众多不良后果，如骨折、脑损伤、行动能力下降、长期卧床、自理能力下降等并发症，同时跌倒极易使中老年人出现沮丧、抑郁、焦虑等一系列身心健康问题[6]，严重威胁老年人的生命质量，造成沉重的疾病负担[7?8]。有证据表明，选择合适的跌倒评估工具有助于正确评估中老年人的跌倒风险，提升跌倒风险的筛查准确性，有助于制定针对性的干预措施，降低跌倒的发生，从而提高中老年人生活质量，对降低医疗负担和照顾负担具有重要意义[9?11]。目前，常用的跌倒评估工具有Morse跌倒评估量表（MFS）、Hendrich跌倒风险评估量表、托马斯跌倒风险评估工具（STRATIFY量表）、约翰?霍普金斯跌倒风险评估量表（JHFRAT量表）、起立行走测试（TUGT）、Berg平衡量表（BBS）、简易体能状况量表（SPPB）等[9?11]，但尚未就最佳评估工具达成共识，此外，不同研究中评估工具的预测准确性可能因机构不同而有差异，最佳截断值也不统一[12?13]。截至目前尚未检索到有学者探讨何种工具最适用于养老机构中老年人跌倒风险评估，因此，本研究拟比较MFS、STRATIFY量表和SPPB对养老机构中老年人跌倒风险的预测价值，探索适合我国养老机构中老年人的跌倒风险评估工具，以期为养老机构准确识别跌倒高风险人群提供参考。

1  对象与方法

1.1 研究对象

以入住湖南省公办养老机构的中老年人为研究对象，采取整群随机抽样的方法，整群随机抽取湖南省4个地州市（娄底、张家界、湘潭、湘西自治州），每个地州市随机抽取20所公办养老机构，将80所养老机构内入住的中老年人整群纳入。纳入标准：1）年龄≥45岁；2）听力或视力正常，能正常进行阅读和交流者；3）入住养老机构≥1个月；4）本人或主要照顾者知情同意，自愿参与调查。排除标准：1）患有严重的精神疾病或认知障碍；2）填写错误或不完整；3）调查过程中突发紧急状况，无法继续完成调查者。

样本量的计算：采用横断面调查的定性资料样本量计算方法，α=0.05，容许误差δ=0.02，根据文献获得，我国中老年人跌倒发生率为13.5%～34.9%[4，14]，P=0.349，根据公式计算，得出所需样本量为2 182人，考虑失访率20%，需要调查2 618人。

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，包括年龄、性别、体质指数（BMI）、文化程度、婚姻状况、1年内跌倒史等。

1.2.2 MFS量表

MFS 由美国宾夕法尼亚大学的 Morse等[15]于1989年研制，用于评估成年住院病人跌倒风险，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[16]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。中文版以55 分作为评估我国老年住院病人的跌倒高风险界值，量表的灵敏度为 86.8%，特异度为67.3%。

1.2.3 STRATIFY量表

1997 年，Oliver等[17]完成该量表研制。量表包括伴随跌倒入院或在住院期间发生过跌倒以及烦躁不安、视力障碍对日常生活功能造成影响等，频繁如厕、转移和活动评分为3分或4分，余各条目分值均为1分，总分为 5 分。当量表的跌倒高风险界值为2分时，量表的灵敏度和特异度均维持在较高水平（93%和 87%）。2014年，朱色等[18]将该工具汉化，以我国老年病人为研究对象，评价量表的信效度，结果显示，该工具评定者间信度（r=0.951）、重测信度（r=0.885）、内部一致性信度（r=0.523）、内容效度和区分效度均较好。该工具的灵敏度为 64.3%，特异度为78.2%，受试者工作特征（ROC）曲线下面积为0.708。

1.2.4 SPPB量表

SPPB量表通过测试病人下肢肌力、平衡能力和步行速度综合评估病人躯体功能，用于老年人躯体功能的测试具有较高的有效性和准确性[19]，包括平衡试验、步行速度试验、椅子坐站试验，其中平衡试验为双脚站立、半串联站立、串联站立3个部分。每个测试为 0～4 分，总分为0～12分，≤6分表示跌倒高风险[20]。0～6分为肌肉功能很差，7～9分为肌肉功能中等，10～12分为肌肉功能良好，得分越高表明功能状态越好。Cronbach's α 系数为0.868。

1.3 资料收集

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，包括调查的目的、方法、技巧，以保证测量的一致性。调查时由相关负责人陪同以取得中老年人的信任，并向中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。采用统一指导语对中老年人进行一对一调查，对于识读困难、书写不便等情况的中老年人，由调查者根据中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。

1.4 统计学方法

采用 Excel 软件建立数据库，对所有数据进行双人录入和核对，使用 SPSS 21.0对资料进行统计分析。定性资料采用频数、百分比（%）描述，比较采用χ2检验；定量资料先进行正态性检验，符合正态分布时采用均数±标准差（x±s）描述，组间比较采用t检验；不符合正态分布则采用中位数（四分位数间距）[M（IQR）]描述，组间比较采用Mann?Whitney秩和检验。以1年内是否发生跌倒为结局变量，采用ROC曲线下面积（AUC）比较各评分工具预测中老年人跌倒的能力，当AUC>0.75表示区分度较好。采用ROC曲线确定最佳预测指标截断值，并采用灵敏度、特异度、阳性预测值、阴性预测值、约登指数等指标综合评价3种量表的跌倒风险预测能力。以P<0.05（双侧）为差异有统计学意义。

2  结果

2.1 影响中老年人跌倒的单因素分析

本研究最终纳入4 041名中老年人，其中男3 324人，女717人；年龄45～101（71.06±10.40）岁；无上学经历者2 497人（61.79%）；有慢性病史3 264人（80.77%）；近1年内发生跌倒者676人（16.73%），未发生跌倒者3 365人（83.27%）。其中，跌倒组中老年人年龄为（72.31±11.27）岁，较非跌倒组年龄[（70.81±10.20）岁]更大，差异有统计学意义（P<0.001）；跌倒组与非跌倒组在男女比例构成、是否存在慢性病、是否存在抑郁方面比较，差异均有统计学意义（P<0.05）。见表1。

2.2 3种跌倒评估量表得分比较

跌倒组中老年人MFS、STRATIFY量表均高于未发生跌倒组，SPPB得分低于未发生跌倒者，差异均有统计学意义（P<0.001）。见表2。

2.3 3种跌倒评估量表对养老机构中老年人跌倒风险预测价值比较

以近1年内有无跌倒为结局变量，比较3种量表的敏感度、特异度、阳性预测率、阴性预测率、Youden指数，结果见表3。Youden指数范围为 0～1，越接近1说明评估工具的真实性越好。ROC曲线见图1。MFS的AUC为 0.850[95%CI（0.834，0.867）]，见表4。MFS截断值为37.5分时，约登指数为0.597，灵敏度80.9%，特异度78.8%，量表的预测价值最大；STRATIFY的AUC为 0.764[95%CI（0.744，0.783）]，STRATIFY截断值为1.5分时，约登指数为0.407，灵敏度69.8%，特异度70.9%，量表的预测价值最大；SPPB的AUC为0.675[95%CI（0.654，0.697）]，SPPB截断值为7.5分时，约登指数为0.293，灵敏度69.5%，特异度59.8%，量表的预测价值最大。MFS的AUC、约登指数均高于其他2个量表。

3  讨论

3.1 养老机构中老年人发生跌倒特征分析

本研究结果显示，养老机构中老年人跌倒发生率为16.73%，这比上海的一项大样本调查结果略高（13.5%）[21]，与一些发达国家的结果[22?25]相近。由于人口老龄化，越来越多的中老年人将生活在长期护理院即养老机构中。跌倒是目前长期护理院面临的首要安全问题，无疑将成为影响老年人生活质量的主要问题。本研究中，不同年龄、性别、合并慢性病、合并抑郁在跌倒和未跌倒组之间比较，差异均有统计学意义。这与大部分研究结果相似，年龄越大跌倒风险越高[23]，合并慢性病、合并抑郁者跌倒风险更高[26]，这提示养老机构管理人员应重点关注男性、高龄、合并慢性病及抑郁的老年人，定期进行跌倒风险评估，制定个性化的跌倒预防措施和应急预案，降低跌倒发生率及其不良后果。

3.2 3种量表对养老机构中老年人跌倒风险预测价值比较

3.2.1 MFS

本研究中发生跌倒的中老年人MFS得分中位数为55分，高于未发生跌倒组的20分，两组比较差异有统计学意义。AUC反映量表预测的整体准确性，面积越大，准确性越高。通常AUC为0.50～0.70表示诊断价值较低，>0.70～0.90表示诊断价值中等，高于0.90时表示具有很高的诊断价值。MFS的AUC为0.850，代表该量表对筛查养老机构中老年人的跌倒风险准确度较高。本研究显示，MFS评分最佳临界值为37.5分时，此时灵敏度为80.9%，特异度为78.8%，约登指数为0.597，量表的预测价值最大。与韩国一项研究结果中报道的MSF灵敏度为85.7%、特异度58.8%结果[27]相近。本研究中最佳临界值为37.5分，与量表开发Morse团队推荐的45分[15]及我国学者周君桂[16]推荐的55分最佳诊断界值相比，本研究最佳诊断值更低，有可能与不同人群及护理场景有关，本研究调查场景为养老机构，而以上研究对象均为住院老年人，说明针对养老机构中老年人群需要降低跌倒风险诊断值。提示在不同的人群及护理场景中，MFS跌倒高风险诊断值应进行调整，在养老机构中老年人跌倒高风险值为37.5分，此时预测价值最大。

3.2.2 STRATIFY

本研究中， STRATIFY的AUC为 0.764 ，与Meta分析中的结果0.81[12]相近，表明该量表对筛查养老机构中老年人的跌倒风险准确度中等。本研究中STRATIFY最佳截断值为1.5分，与开发者Oliver等[17]的研究结果2分临界值相比更低，但与国内学者易艳芝等[28]的1分最佳截断值相近。此时的灵敏度为69.8%，特异度为70.9%，低于Oliver等[17]研究中93.0%的灵敏度、87.7%的特异度。但本研究中阴性预测值为0.921，比上述研究中的0.983偏低。STRATIFY是专为老年住院病人而研制的，目前也广泛应用于各类科室，如内外科、老年科、肿瘤科及康复科，同时该量表在运用中出现较低的内部一致性，因此，在养老机构中的跌倒预测价值中等。建议在养老机构中可以根据情况选择使用。

3.2.3 SPPB

本研究中，SPPB的AUC为0.675，与MSF、 STRATIFY相比更低，与国内学者对住院老年人跌倒评估中AUC为0.754[29]相近。国外已有研究证实SPPB与致残性跌倒有相关性，另有研究显示SPPB可有效预测社区老年人1年内和4年内的跌倒风险[30]。本研究中的SPPB最佳临界值为7.5分，国外研究将≤6分表示跌倒高风险[20]，这可能是因为国外研究人群为射血分数保留性心力衰竭的病人，而本研究为养老机构中老年病人，因此本人群中SPPB得分≤7.5分可定义为跌倒高风险。

3.3 确定最佳跌倒评估工具在养老机构中老年人群中的临床应用价值

虽然目前已有较多成熟的评估工具用于评估老年人跌倒风险，但仍然没有一个公认的信效度良好、适用于所有人群的评估工具，因此，针对不同背景人群、不同疾病人群依然需要进行特定的研究工具开发和验证。MSF与STRATIFY、SPPB相比较，该量表通过评估近3个月有无跌倒、多于1个疾病诊断、步行需要帮助、接受药物治疗、步态/移动、精神状态6个方面，这6个方面内容评估便捷，计分原则简单清晰，更加贴近养老机构中老年人群现状，因此，被验证为养老机构中老年人跌倒风险预测价值最高的工具。近年来，在政府大力支持下，我国公办养老机构医疗保健服务持续改进，未来可通过培训专业化养老护理员，使用最佳的跌倒评估工具用于入住养老机构的中老年人跌倒高危群体的筛查和评估，及时制定科学的预防策略，对减少跌倒损伤的危害、保障养老机构中老年人健康具有重要的现实意义。

4  小结

本研究通过比较 MSF、STRATIFY和SPPB量表对跌倒风险的预测效果，发现养老机构中老年人跌倒风险评估预测最有价值的工具是MSF，可在我国养老机构中推广使用。且MSF预测养老机构中老年人的跌倒高风险最佳诊断值为37.5分，此时预测价值最大。建议养老机构管理者可使用MSF进行跌倒风险识别，及早制定个性化的跌倒预防措施及管理举措，降低跌倒发生率。

参考文献：

[1]  World Health Organization.Falls[EB/OL].[2023-04-03]. https：//www.who.int/news-room/fact-sheets/detail/falls.

[2]  MORELAND B，KAKARA R，HENRY A.Trends in nonfatal falls and fall-related injuries among adults aged ≥65 years-United States，2012-2018[J].Morbidity and Mortality Weekly Report，2020，69（27）：875-881.

[3]  Joint Commission International.International patient safety goals[EB/OL].[2023-04-06].http：//www.doc88.com/p-6893139783129.html.

[4]  胡依，郭芮绮，闵淑慧，等.1990—2019年中国老年人群跌倒疾病负担分析[J].现代预防医学，2021，48（9）：1542-1545;1630.

HU Y，GUO R Q，MIN S H，et al.Disease burden on falls among older adults in China，1990-2019[J].Modern Preventive Medicine，2021，48（9）：1542-1545;1630.

[5]  American Geriatrics Society and British Geriatrics Society Panel on prevention of falls in older persons.Summary of the updated American Geriatrics Society/British Geriatrics Society clinical practice guideline for prevention of falls in older persons[J].Journal of the American Geriatrics Society，2011，59（1）：148-157.

[6]  MEKKODATHIL A，EL-MENYAR A，KANBAR A，et al.Epidemiological and clinical characteristics of fall-related injuries：a retrospective study[J].BMC Public Health，2020，20（1）：1186.

[7]  FLORENCE C S，BERGEN G，ATHERLY A，et al.Medical costs of fatal and nonfatal falls in older adults[J].Journal of the American Geriatrics Society，2018，66（4）：693-698.

[8]  AL KUWAITI A，SUBBARAYALU A V.Reducing patients' falls rate in an Academic Medical Center（AMC） using Six Sigma "DMAIC" approach[J].International Journal of Health Care Quality Assurance，2017，30（4）：373-384.

[9]  YE C Y，LI J M，HAO S Y，et al.Identification of elders at higher risk for fall with statewide electronic health records and a machine learning algorithm[J].International Journal of Medical Informatics，2020，137：104105.

[10]  YE P P，LIU Y S，ZHANG J，et al.Falls prevention interventions for community-dwelling older people living in China：a narrative systematic review[J].BMC Health Services Research，2020，20（1）：808.

[11]  LAMB S E，BRUCE J，HOSSAIN A，et al.Screening and intervention to prevent falls and fractures in older people[J].The New England Journal of Medicine，2020，383（19）：1848-1859.

[12]  PARK S H.Tools for assessing fall risk in the elderly：a systematic review and meta-analysis[J].Aging Clinical and Experimental Research，2018，30（1）：1-16.

[13]  HOU W H，KANG C M，HO M H，et al.Evaluation of an inpatient fall risk screening tool to identify the most critical fall risk factors in inpatients[J].Journal of Clinical Nursing，2017，26（5/6）：698-706.

[14]  沈炼伟，王维.中国健康与养老追踪调查：中老年人跌倒的相关因素分析及列线图预测模型的构建[J].现代预防医学，2022，49（11）：2040-2047.

SHEN L W，WANG W.China health and elderly care follow-up survey：analysis of related factors of falls in middle-aged and elderly people and construction of Nomogram prediction model[J].Modern Preventive Medicine，2022，49（11）：2040-2047.

[15]  MORSE J M，BLACK C，OBERLE K，et al.A prospective study to identify the fall-prone patient[J].Social Science & Medicine，1989，28（1）：81-86.

[16]  周君桂.中文版Morse跌倒评估量表用于住院老年患者跌倒风险评估的初步研究[D].广州：南方医科大学，2010.

ZHOU J G.Research on the application of Chinese version Morse Fall Scale in evaluating the fall risk of senile patients in hospital[D].Guangzhou：Southern Medical University，2010.

[17]  OLIVER D，BRITTON M，SEED P，et al.Development and evaluation of evidence based risk assessment tool（STRATIFY） to predict which elderly inpatients will fall：case-control and cohort studies[J].BMJ，1997，315：1049-1053.

[18]  朱色，王瑾瑾，吴娟.中文版托马斯跌倒风险评估工具在我国老年住院患者中应用的信效度评价[J].中国实用护理杂志，2014，30（33）：67-70.

ZHU S，WANG J J，WU J.Reliability and validity of the Chinese version of STRATIFY in geriatric inpatients[J].Chinese Journal of Practical Nursing，2014，30（33）：67-70.

[19]  TREACY D，HASSETT L.The Short Physical Performance Battery[J].Journal of Physiotherapy，2018，64（1）：61.

[20]  HORNSBY W E，SAREINI M A，GOLBUS J R，et al.Lower extremity function is independently associated with hospitalization burden in heart failure with preserved ejection fraction[J].Journal of Cardiac Failure，2019，25（1）：2-9.

[21]  JIANG Y，XIA Q H，ZHOU P，et al.Falls and fall-related consequences among older people living in long-term care facilities in a megacity of China[J].Gerontology，2020，66（6）：523-531.

[22]  NEYENS J，HALFENS R，SPREEUWENBERG M，et al.Malnutrition is associated with an increased risk of falls and impaired activity in elderly patients in Dutch residential long-term care（LTC）：a cross-sectional study[J].Archives of Gerontology and Geriatrics，2013，56（1）：265-269.

[23]  RAPP K，BECKER C，CAMERON I D，et al.Epidemiology of falls in residential aged care：analysis of more than 70，000 falls from residents of Bavarian nursing homes[J].Journal of the American Medical Directors Association，2012，13（2）：187.e1-187.e6.

[24]  TOWNE S D，CHO J，SMITH M L，et al.Factors associated with injurious falls in residential care facilities[J].Journal of Aging and Health，2017，29（4）：669-687.

[25]  CARRYER J，WESTSTRATE J，YEUNG P，et al.Prevalence of key care indicators of pressure injuries，incontinence，malnutrition，and falls among older adults living in nursing homes in New Zealand[J].Research in Nursing & Health，2017，40（6）：555-563.

[26]  CHO E H，WOO Y J，HAN A，et al.Comparison of the predictive validity of three fall risk assessment tools and analysis of fall-risk factors at a tertiary teaching hospital[J].Journal of Clinical Nursing，2020，29（17/18）：3482-3493.

[27]  KIM Y J，CHOI K O，CHO S H，et al.Validity of the Morse Fall Scale and the Johns Hopkins Fall Risk Assessment Tool for fall risk assessment in an acute care setting[J].Journal of Clinical Nursing，2022，31（23/24）：3584-3594.

[28]  易艳芝，郑博文，唐景芳，等.汉化版STRATIFY跌倒风险评估表的临床应用研究[J].护理研究，2018，32（17）：2764-2766.

YI Y Z，ZHENG B W，TANG J F，et al.Clinical application research on Chinese STRATIFY fall risk assessment table[J].Chinese Nursing Research，2018，32（17）：2764-2766.

[29]  张英，蔺建宇，王月红.170例住院老年患者简易躯体能力评定在跌倒评估中的作用[J].中国病案，2020，21（2）：98-101.

ZHANG Y，LIN J Y，WANG Y H.The role of simple somatic ability assessment in fall assessment in 170 elderly inpatients[J].Chinese Medical Record，2020，21（2）：98-101.

[30]  WELCH S A，WARD R E，BEAUCHAMP M K，et al.The Short Physical Performance Battery（SPPB）：a quick and useful tool for fall risk stratification among older primary care patients[J].Journal of the American Medical Directors Association，2021，22（8）：1646-1651.

（收稿日期：2023-04-20；修回日期：2024-04-09）

（本文编辑 崔晓芳）