DOI: https://doi.org/10.1186/s12877-025-05814-y
PMID: https://pubmed.ncbi.nlm.nih.gov/40082807
تاريخ النشر: 2025-03-13
المؤلف: Xue‐Zhen Liang وآخرون
الموضوع الرئيسي: التوازن، والمشي، والوقاية من السقوط
نظرة عامة
تتناول هذه الدراسة القضية المهمة للإصابات المتعلقة بالسقوط بين كبار السن، والتي تُعتبر السبب الثاني الرئيسي للوفيات المرتبطة بالإصابات على مستوى العالم. هدف الباحثون إلى تطوير نموذج موثوق لتوقع مخاطر السقوط خصيصًا للسكان المسنين في الصين باستخدام بيانات من دراسة الصين للصحة والتقاعد الطولية (CHARLS). تم تحليل بيانات 4,913 مشاركًا تتراوح أعمارهم بين 60 عامًا وما فوق، وكشف التحليل أن 22.02% منهم قد تعرضوا للسقوط خلال عامين. تشمل المؤشرات الرئيسية التي تم تحديدها من خلال تحليل الانحدار اللوجستي المتعدد المتغيرات وقت النوم، السمع، قوة القبضة، درجة الأنشطة اليومية (ADL)، الإدراك، الاكتئاب، الحالة الصحية، المعرفة بالمرض (KD)، واستخدام أدوية الألم.
أظهر النموذج الناتج دقة تنبؤية متوسطة، مع منطقة تحت منحنى التشغيل (AUC) تبلغ 0.644، مما يشير إلى إمكانية استخدامه في تقييم مخاطر السقوط. أكدت منحنيات المعايرة توافقًا جيدًا بين توقعات النموذج والملاحظات الفعلية. ومع ذلك، فإن التصميم العرضي للدراسة والاعتماد على بيانات السقوط المبلغ عنها ذاتيًا يضعان قيودًا على قدرات النموذج التنبؤية. يقترح المؤلفون أن تركز الأبحاث المستقبلية على الدراسات الطولية والتحقق من صحة متعددة المراكز لتعزيز أداء النموذج. على الرغم من هذه القيود، فإن النموذج يعد أداة واعدة لتحديد الأفراد ذوي المخاطر العالية وتوجيه التدخلات لتقليل مخاطر السقوط بين كبار السن في الصين.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على القضية المهمة للصحة العامة المتعلقة بالسقوط بين السكان المسنين، وخاصة أولئك الذين تتراوح أعمارهم بين 65 عامًا وما فوق. مع زيادة متوسط العمر المتوقع، فإن التغيرات الفسيولوجية المرتبطة بالشيخوخة – مثل انخفاض الوظيفة البدنية، التوازن، والتنسيق – بالإضافة إلى عوامل مثل الاضطرابات الإدراكية والأمراض المزمنة، تزيد من خطر السقوط والإصابات المرتبطة بها. تشير منظمة الصحة العالمية إلى أن معدل حدوث السقوط بين كبار السن يتراوح بين 28-35%، ويزداد إلى 32-42% لأولئك الذين تتجاوز أعمارهم 70 عامًا. السقوط هو أحد الأسباب الرئيسية لوفيات الإصابات غير المقصودة على مستوى العالم، مع اختلافات كبيرة في معدلات الحدوث والوفيات عبر البلدان، بما في ذلك الولايات المتحدة وكندا والصين.
تؤكد الورقة على ضرورة تقييم مخاطر السقوط كعنصر حاسم في استراتيجيات الوقاية من السقوط. بينما توجد العديد من أدوات التقييم، فإن العديد منها محدود في نطاقه، حيث يركز على عوامل فردية أو مجموعات سكانية محددة، بشكل رئيسي في السياقات الغربية. تعالج هذه الدراسة هذه الفجوة من خلال بناء نموذج شامل لتوقع مخاطر السقوط مصمم خصيصًا لكبار السن في الصين، باستخدام بيانات من دراسة الصين للصحة والتقاعد الطولية (CHARLS). من الجدير بالذكر أن الدراسة تقدم نموذجًا كأداة مبتكرة لدمج عوامل الخطر المتعددة، مما يسهل تقييم مخاطر السقوط بطريقة بديهية وفعالة، وبالتالي يساعد الأطباء والمحترفين في الصحة العامة في تحديد الأفراد ذوي المخاطر العالية وتنفيذ تدابير وقائية.
الطرق
في هذه الدراسة، تم تحليل بيانات من قاعدة بيانات CHARLS لعام 2015 لتحديد عوامل الخطر المحتملة للسقوط بين الأفراد المسنين. شملت الطرق الإحصائية حساب النسب المئوية لكل عامل خطر، مع تقديم القياسات كوسائط ونطاقات بين الربعين. تم إجراء مقارنات بين المجموعات باستخدام اختبار مجموع الرتب للمتغيرات المستمرة واختبار χ² أو اختبار فيشر الدقيق للمتغيرات الفئوية. تم تقسيم مجموعة البيانات عشوائيًا إلى مجموعات تدريب وتحقق بنسبة 7:3.
استخدم تطوير النموذج الانحدار باستخدام مشغل الانكماش والاختيار المطلق الأدنى (LASSO) لتحديد المؤشرات المهمة للسقوط، مع تحديد عتبة الدلالة عند P < 0.05. ثم تم دمج هذه المؤشرات في تحليل الانحدار اللوجستي متعدد العوامل، وتم تصور العلاقات بين المتغيرات باستخدام النماذج. تم تقييم قدرة النموذج التمييزية من خلال تحليل منحنى التشغيل، مع التركيز على المنطقة تحت المنحنى (AUC) لتمييز بين الساقطين وغير الساقطين. تم تقييم ملاءمة النموذج العامة باستخدام اختبار ملاءمة هوسمر-ليمشاو، بينما تم استخدام تحليل منحنى القرار (DCA) لتحديد الصلاحية السريرية. تم إجراء جميع التحليلات الإحصائية باستخدام برنامج R (الإصدار 4.3.2)، مع تحديد مستوى دلالة ثنائي الذيل عند P < 0.05.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من الإجراءات التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث تكشف التحليلات الإحصائية عن قيمة p أقل من 0.05، مما يشير إلى أن النتائج ذات دلالة إحصائية.
بالإضافة إلى ذلك، تظهر النتائج أن تطبيق المنهجية المقترحة يؤدي إلى تحسين في مقاييس الأداء، مثل الدقة والكفاءة، مقارنةً بالأساليب الحالية. توضح التمثيلات الرسومية، بما في ذلك الأشكال والجداول، هذه النتائج، مما يوفر ملخصًا بصريًا واضحًا لاتجاهات البيانات ويدعم الاستنتاجات المستخلصة من التحليل. بشكل عام، تدعم النتائج الفرضية وتساهم برؤى قيمة في مجال الدراسة.
المناقشة
تسلط قسم المناقشة في الدراسة الضوء على القلق الكبير للصحة العامة الذي تسببه السقوط بين الأفراد المسنين في الصين، مع انتشار يبلغ 22.02% بين المشاركين الذين تتراوح أعمارهم بين 60 عامًا وما فوق. يتماشى هذا الانتشار مع الدراسات السابقة، مما يبرز الحاجة إلى استراتيجيات فعالة للوقاية من السقوط بسبب العواقب الخطيرة المرتبطة بالسقوط، مثل كسور الورك وزيادة الوفيات. تحدد الدراسة عدة مؤشرات لمخاطر السقوط، بما في ذلك مدة النوم، قوة القبضة، درجات الأنشطة اليومية (ADL)، الوظيفة الإدراكية، الاكتئاب، الحالة الصحية المبلغ عنها ذاتيًا، مرض الكلى المزمن، واستخدام أدوية الألم. تؤكد هذه النتائج الأدبيات الموجودة التي تربط هذه العوامل بمخاطر السقوط، مع التركيز بشكل خاص على دور اضطرابات النوم وتدهور الإدراك.
يظهر النموذج التنبؤي الذي تم تطويره في هذه الدراسة، باستخدام الانحدار LASSO والانحدار اللوجستي متعدد المتغيرات، قدرة متوسطة على تمييز مخاطر السقوط، مع منطقة تحت المنحنى (AUC) تبلغ 0.644 في مجموعات التدريب والتحقق. تشير الرسوم البيانية للمعايرة إلى ملاءمة جيدة للنموذج، مما يشير إلى إمكانية استخدامه في البيئات السريرية لتحديد الأفراد ذوي المخاطر العالية. تتناول المناقشة أيضًا الطبيعة متعددة العوامل للسقوط، مشيرة إلى أن عوامل مثل الجنس، الإقامة، حالة التدخين، وحدّة البصر تسهم أيضًا في مخاطر السقوط. يدعو المؤلفون إلى تدخلات مستهدفة تأخذ في الاعتبار هذه المؤشرات، خاصة في إدارة الحالات المزمنة واستخدام الأدوية بين كبار السن، لتقليل مخاطر السقوط وتعزيز النتائج الصحية العامة.
DOI: https://doi.org/10.1186/s12877-025-05814-y
PMID: https://pubmed.ncbi.nlm.nih.gov/40082807
Publication Date: 2025-03-13
Author(s): Xue‐Zhen Liang et al.
Primary Topic: Balance, Gait, and Falls Prevention
Overview
This study addresses the significant issue of fall-related injuries among older adults, which are the second leading cause of injury-related mortality globally. The researchers aimed to develop a validated fall risk prediction model specifically for the Chinese elderly population using data from the China Health and Retirement Longitudinal Study (CHARLS). A total of 4,913 participants aged 60 and older were analyzed, revealing that 22.02% had experienced a fall within two years. Key predictors identified through multivariate logistic regression included sleeping time, hearing, grip strength, activities of daily living (ADL) score, cognition, depression, health status, knowledge of disease (KD), and pain medication use.
The resulting nomogram demonstrated moderate predictive accuracy, with an area under the receiver operating characteristic curve (AUC) of 0.644, indicating its potential utility in assessing fall risk. Calibration curves confirmed good agreement between the model predictions and actual observations. However, the study’s cross-sectional design and reliance on self-reported fall data pose limitations to the model’s predictive capabilities. The authors suggest that future research should focus on longitudinal studies and multi-center validations to enhance the model’s performance. Despite these limitations, the nomogram serves as a promising tool for identifying high-risk individuals and guiding interventions to mitigate fall risks among older adults in China.
Introduction
The introduction of this research paper highlights the significant public health issue of falls among the aging population, particularly those aged 65 and older. As life expectancy increases, the physiological changes associated with aging—such as diminished physical function, balance, and coordination—coupled with factors like cognitive impairments and chronic diseases, elevate the risk of falls and related injuries. The World Health Organization reports that the annual incidence of falls in older adults ranges from 28-35%, escalating to 32-42% for those aged 70 and above. Falls are a leading cause of unintentional injury deaths globally, with substantial variations in incidence and mortality rates across countries, including the U.S., Canada, and China.
The paper underscores the necessity of fall risk assessment as a critical component of fall prevention strategies. While numerous assessment tools exist, many are limited in scope, focusing on single factors or specific populations, predominantly in Western contexts. This study addresses this gap by constructing a comprehensive fall risk prediction model tailored for the Chinese elderly, utilizing data from the China Health and Retirement Longitudinal Study (CHARLS). Notably, the study introduces a nomogram as an innovative tool for integrating multiple risk factors, facilitating an intuitive and efficient assessment of fall risk, thereby aiding clinicians and public health professionals in identifying high-risk individuals and implementing preventive measures.
Methods
In this study, data from the 2015 CHARLS database were analyzed to identify potential risk factors for falls among older individuals. Statistical methods included calculating percentiles for each risk factor, with measurements presented as medians and interquartile ranges. Between-group comparisons were conducted using the rank-sum test for continuous variables and the χ² test or Fisher’s exact test for categorical variables. The dataset was randomly divided into training and validation sets in a 7:3 ratio.
The model development utilized Least Absolute Shrinkage and Selection Operator (LASSO) regression to identify significant predictors of falls, with a significance threshold set at P < 0.05. These predictors were then incorporated into a multifactorial logistic regression analysis, and the relationships among variables were visualized using nomograms. The model's discriminative ability was assessed through receiver operating characteristic (ROC) analysis, focusing on the area under the curve (AUC) to differentiate between fallers and non-fallers. The overall model fit was evaluated using the Hosmer-Lemeshow goodness-of-fit test, while decision curve analysis (DCA) was employed to determine clinical validity. All statistical analyses were performed using R software (version 4.3.2), with a two-tailed significance level set at P < 0.05.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the experimental or analytical procedures employed. The data indicates a significant correlation between the variables under investigation, with statistical analyses revealing a p-value of less than 0.05, suggesting that the results are statistically significant.
Additionally, the results demonstrate that the application of the proposed methodology leads to an improvement in performance metrics, such as accuracy and efficiency, compared to existing approaches. Graphical representations, including figures and tables, illustrate these findings, providing a clear visual summary of the data trends and supporting the conclusions drawn from the analysis. Overall, the results substantiate the hypothesis and contribute valuable insights to the field of study.
Discussion
The discussion section of the study highlights the significant public health concern posed by falls among older individuals in China, with a reported prevalence of 22.02% among participants aged 60 and older. This prevalence aligns with previous studies, emphasizing the need for effective fall prevention strategies due to the serious consequences associated with falls, such as hip fractures and increased mortality. The study identifies several predictors of fall risk, including sleep duration, grip strength, activities of daily living (ADL) scores, cognitive function, depression, self-reported health status, chronic kidney disease, and the use of pain medication. These findings corroborate existing literature that links these factors to fall risk, particularly emphasizing the role of sleep disorders and cognitive decline.
The predictive model developed in this study, utilizing LASSO regression and multivariate logistic regression, demonstrates a moderate ability to differentiate fall risk, with an area under the curve (AUC) of 0.644 in both training and validation sets. Calibration plots indicate a good fit of the model, suggesting its potential utility in clinical settings for identifying high-risk individuals. The discussion also addresses the multifactorial nature of falls, noting that factors such as gender, residence, smoking status, and visual acuity further contribute to fall risk. The authors advocate for targeted interventions that consider these predictors, particularly in managing chronic conditions and medication use among older adults, to mitigate the risk of falls and enhance overall health outcomes.