郑老师统计课程,欢迎点击报名:孟德尔随机化课程即将开班!!
2023年3月,外国学者在《Age Ageing》(一区,IF=6.7)发表题为:" Eight-year longitudinal falls trajectories and associations with modifiable risk factors: evidence from The Irish Longitudinal Study on Ageing (TILDA)" 的研究论文。
这项观察性研究在《爱尔兰老龄化纵向研究》(TILDA)中描述了自我报告跌倒的8年纵向轨迹,并研究了与各种因素的关系,包括行动能力、认知能力、直立性低血压(OH)、对跌倒的恐惧(FOF)以及抗高血压和抗抑郁药物的使用。结果表明,认知和心理状态、精神药物处方、活动能力和OH的改善可能有助于改善轨迹。
摘要与主要结果
一、摘要
背景:“跌倒者”的标签和相关的污名可能会减少寻求医疗保健的行为。然而,下跌并非不可避免地渐进,许多驱动因素是可以改变的。这项观察性研究在《爱尔兰老龄化纵向研究》(TILDA)中描述了自我报告跌倒的8年纵向轨迹,并研究了与各种因素的关系,包括行动能力、认知能力、直立性低血压(OH)、对跌倒的恐惧(FOF)以及抗高血压和抗抑郁药物的使用。
方法:年龄≥50岁的参与者按前一年平均跌倒≥2次(复发性跌倒)或不(≤1次跌倒)进行分类。利用多状态模型估计下一波转移概率。
结果:纳入8157例(54.2%为女性)参与者,其中586例报告≥2次第1波跌倒。那些报告在过去一年中跌倒≥2次的人有63%的概率转向更有利的跌倒≤1次的状态。那些报告跌倒≤1次的患者有2%的概率过渡到跌倒≥2次。除了年龄较大和慢性病数量较多外,蒙特利尔认知评估评分较低、FOF和服用抗抑郁药物也增加了从≤1次跌倒过渡到≥2次跌倒的风险。相反,男性、较高的上升和下降时间、OH的存在和服用抗抑郁药将改善的概率从≥2次下降到≤1次下降。
结论:大多数复发性跌倒者都经历了良好的转变。认知和心理状态、精神药物处方、活动能力和OH的改善可能有助于改善轨迹。研究结果可能有助于消除与跌倒相关的耻辱感,并促进预防性就医行为。
二、研究结果
1.基线特征
第1波共招募了8504名参与者,其中330人(3.9%)年龄在50岁以下。在剩下的参与者中,8154人有完整的跌倒数据。表1显示了第1波中报告一次或无下跌的人与前一年报告两次或两次以上下跌的人之间的差异。平均而言,报告两次或两次以上跌倒的患者年龄较大,体重指数较高,慢性病(包括心肌梗死、心力衰竭、中风或短暂性脑缺血发作;但不包括癌症)发生率较高,药物使用率较高(包括抗抑郁药,但不包括抗高血压药),身体和认知功能参数较低。在前一年报告两次或两次以上跌倒的人中,有更大比例的人在小学毕业后离开了教育,更害怕跌倒,并且患有OH(表1)。
总样本中瀑布状态的冲积图如图1所示。截至第五波,已有1058名参与者死亡,3303名参与者的跌倒数据缺失。
从一种状态移动到另一种状态的概率如图2所示。那些在过去一年中报告两次或两次以上下跌的人,有63%(95%置信区间:59–66%)的概率会转变为“一次或没有下跌”的有利状态,尽管在下一波下跌之前死亡的概率为11%(95%可信区间:8–14%)。那些报告有一次或没有跌倒的人有2%(95%CI:2-3%)的概率转变为“两次或两次以上跌倒”的不利状态,4%(95%CI:3-4%)的死亡概率。下一波保持“两次或两次以上下跌”不利状态的概率为26%(95%置信区间:24-29%)。
2.主要结果
表2给出了协变量(年龄、性别、教育程度、慢性病数量、TUG、MoCA、OH、FOF以及抗高血压药和抗抑郁药的使用)对转变影响的危险比。在那些报告前一年有两次或两次以上跌倒的人中,女性参与者在下一波跌倒时进入“一次或没有跌倒”的有利状态的风险高出28%,为完成TUG而多服用一秒钟的风险降低11%,OH患者降低28%,服用抗抑郁药的患者降低35%。在前一年报告一次或没有跌倒的人中,每5岁发生“两次或两次以上跌倒”的不利状态的风险增加12%,每增加一种慢性疾病的风险增加28%,每增加1个MoCA点的风险降低7%,服用抗抑郁药的风险增加87%,与报告无恐惧的人相比,报告有些害怕或非常害怕跌倒的风险分别增加49%和169%。从“一次或无一次跌倒”转变为死亡的风险随着年龄、男性和MoCA分数的增加而增加;从两次或两次以上跌倒过渡到死亡的风险随着年龄的增加、男性、TUG时间的减慢以及报告非常害怕跌倒(与那些报告不害怕跌倒的人相比)而增加。
3.敏感性分析
附录S1中给出了缺失数据作为附加状态建模的相同多状态模型的灵敏度分析。与主要分析相比,敏感性分析从“两次或多次跌倒”类别转换为“一次或无跌倒”类别的概率较低,为57%,而不是63%。在相反的方向上,概率等于2%。从“一次或无跌倒”类别转换为“失踪”类别的概率为11%,而从“两次或多次跌倒”转换为“下落不明”的概率为13%。
设计与统计学方法
一、研究设计
P(Population)参与者:纳入8157例(54.2%为女性)参与者。
E(exposure)暴露因素:活动能力、认知、体位性低血压(OH)、害怕跌倒(FOF)以及使用抗高血压和抗抑郁药物等因素。
O(outcome)结局:跌倒次数。
S(Study design)研究类型:观察性研究。
二、统计方法
1.数据采用R软件进行分析。描述性统计以平均值加标准差(±SD)、中位数加四分位间距(IQR)或计数加百分比(%)表示。采用t检验(正态分布变量)、Wilcoxon秩和检验(非正态分布的变量)和Pearson卡方检验(分类变量)对两组跌倒患者进行比较。
2.对于瀑布类别纵向轨迹的冲积图,使用R冲积包。为了检查两种跌倒类别之间的纵向转换(“一次或无跌倒”与“两次或多次跌倒”),我们使用了使用R msm包的多状态马尔可夫模型。该模型是一种描述个体在一段时间内经历一系列状态的过程的方法。所有丢失的数据都经过审查,最初被认为是随机丢失的。我们进行了敏感性分析,其中缺失的数据被建模为模型中的附加状态。我们获得了从Wave x到Wave x + 1的估计转移概率矩阵(95%置信区间[CI])。
我们将以下协变量添加到模型中,以检查它们对不同跌倒类别之间转换风险的影响:年龄(以5年为间隔)、年龄、性别、教育水平(以“初级”为参考类别)、慢性病数量、TUG时间、MOCA评分、OH的存在、FOF(以“不怕”为参考类别)以及使用抗抑郁药和抗高血压药。纳入TUG、MoCA和OH是由于先前的研究描述了老年人跌倒风险的“百慕大三角”,其特征是步态障碍、认知障碍和体位性低血压。其他协变量的选择是基于以前的研究,并强调包括潜在的可修改因素。所有协变量均为第一阶段评估的值,并在不同阶段保持不变。获得了估计协变量的风险比(HR)和95% CI。当HR的CI不包含1时,HR被认为是显著的。
一个专门做公共数据库的公众号,关注我们