阿尔茨海默病患者跌倒相关住院风险预测模型的构建与验证研究

doi:10.12114/j.issn.1007-9572.2025.0504

中国全科医学 ›› 2026, Vol. 29 ›› Issue (32): 4721-4729.DOI: 10.12114/j.issn.1007-9572.2025.0504

所属专题：阿尔茨海默病最新文章合辑

阿尔茨海默病患者跌倒相关住院风险预测模型的构建与验证研究

李姣¹, 向庆伟²^,³^,⁴, 刘进进²^,³^,⁴, 彭朗²^,³^,⁴, 周剑杰²^,³^,⁴, 杨琼²^,³^,⁴, 梅应兵²^,³^,⁴, 柳慧²^,³^,⁴, 方英嵩¹^,²^,³^,⁴, 谭子虎²^,³^,⁴^,^*()

1．430000　湖北省武汉市，湖北中医药大学
2．430000　湖北省武汉市，湖北中医药大学附属医院　湖北省中医院
3．430000　湖北省武汉市，中医肝肾研究及应用湖北省重点实验室
4．430000　湖北省武汉市，湖北时珍实验室

收稿日期:2025-12-10 修回日期:2026-03-20 出版日期:2026-11-15 发布日期:2026-10-10
通讯作者: 谭子虎
作者贡献：
李姣负责研究设计、数据清理、统计分析、图表绘制与论文初稿撰写；向庆伟、刘进进负责研究实施与可行性分析；彭朗、周剑杰、杨琼负责论文质量控制及审校；梅应兵、柳慧、方英嵩负责数据采集；谭子虎负责提出研究思路、监督指导以及论文最终版本修订，对文章整体负责。
基金资助:
国家自然科学基金青年基金项目(82405325); 湖北省自然科学基金资助项目(2023AFD133，2022CFD144)

Development and Validation of Risk Prediction Model for Fall-related Hospitalization in Patients with Alzheimer's Disease

LI Jiao¹, XIANG Qingwei²^,³^,⁴, LIU Jinjin²^,³^,⁴, PENG Lang²^,³^,⁴, ZHOU Jianjie²^,³^,⁴, YANG Qiong²^,³^,⁴, MEI Yingbing²^,³^,⁴, LIU Hui²^,³^,⁴, FANG Yingsong¹^,²^,³^,⁴, TAN Zihu²^,³^,⁴^,^*()

1. Hubei University of Chinese Medicine, Wuhan 430000, China
2. Affiliated Hospital of Hubei University of Chinese Medicine/Hubei Provincial Hospital of Traditional Chinese Medicine, Wuhan 430000, China
3. Hubei Key Laboratory of Theory and Application Research of Liver and Kidney in Traditional Chinese Medicine, Wuhan 430000, China
4. Hubei Shizhen Laboratory, Wuhan 430000, China

Received:2025-12-10 Revised:2026-03-20 Published:2026-11-15 Online:2026-10-10
Contact: TAN Zihu

摘要/Abstract

摘要： 背景跌倒是阿尔茨海默病（AD）患者的常见临床事件，不仅增加严重创伤、感染、失能与死亡风险，也常导致非计划性住院，给家庭与社会带来沉重负担。目的构建AD患者跌倒相关住院的风险预测模型，并分析AD患者跌倒相关住院的危险因素，以辅助医师精准识别高危个体并进行干预。方法共纳入987例2020年1月—2025年10月收录于湖北省中医院痴呆数据库的AD患者，将其按照7∶3随机拆分为训练集（n=690）和验证集（n=297）。提取研究对象的一般资料、评估量表、实验室检查指标及用药相关数据。以AD患者是否发生跌倒相关住院事件作为结局变量。以LASSO回归筛选潜在预测变量，并采用多因素Logistic回归建立列线图预测模型。采用受试者工作特征（ROC）曲线下面积（AUC）、校准曲线和临床决策曲线（DCA）检验模型的区分度、校准度和临床实用性。结果 987例AD患者中，跌倒相关住院者276例（27.96%）。在LASSO回归基础上进行多因素Logistic回归分析结果显示，病程（OR=2.843，95%CI=1.862~4.342）、临床痴呆评定量表（CDR）评分（OR=1.275，95%CI=1.010~1.610）、跌倒史（OR=7.779，95%CI=3.515~17.213）、骨关节炎（OR=1.757，95%CI=1.068~2.892）、骨质疏松（OR=2.481，95%CI=1.692~3.638）、高危痴呆的精神行为症状（BPSD）（OR=2.193，95%CI=1.229~3.914）、白蛋白（ALB）水平（OR=1.781，95%CI=1.128~2.814）及高风险用药（OR=1.466，95%CI=1.191~1.805）是AD患者跌倒相关住院的独立影响因素（P<0.05）。ROC曲线结果显示，训练集与验证集AUC分别为0.753（95%CI=0.711~0.795）和0.794（95%CI=0.734~0.853）；校准曲线结果显示，训练集与验证集的预测曲线及理想曲线拟合度较好；DCA结果显示：当列线图预测AD患者跌倒相关住院风险概率在0.1~0.8阈值范围时，患者的净获益率>0。结论病程、CDR评分、跌倒史、骨关节炎、骨质疏松、高危BPSD、ALB、高风险用药是AD患者跌倒相关住院的影响因素，本研究构建的列线图模型可用于预测AD患者跌倒相关住院风险。

关键词: 阿尔茨海默病, 跌倒, 住院, 预测模型, 列线图, Logistic回归

Abstract:

Background

Falls are common in patients with Alzheimer's disease (AD) and are associated with increased risks of severe trauma, infection, disability, and death, often leading to unplanned hospitalization and placing a heavy burden on families and society.

Objective

To develop and validate a risk prediction model for fall-related hospitalization in patients with AD, and to identify the risk factors for fall-related hospitalization, thereby assisting physicians in accurately identifying high-risk individuals and implementing early interventions.

Methods

A total of 987 patients with AD from the dementia database of Hubei Provincial Hospital of Traditional Chinese Medicine between January 2020 and October 2025 were included. They were randomly divided into a training set (n=690) and a validation set (n=297) at a ratio of 7:3. Data on general characteristics, assessment scales, laboratory indicators, and medication use were extracted. Fall-related hospitalization was the outcome variable. Potential predictors were selected using LASSO regression. A nomogram prediction model was established using multivariable Logistic regression. Model discrimination, calibration, and clinical utility were evaluated using the area under the receiver operating characteristic curve (AUC), calibration curves, and decision curve analysis (DCA), respectively.

Results

Among the 987 patients with AD, 276 (27.96%) experienced fall-related hospitalization. Multivariable Logistic regression based on variables selected by LASSO regression showed that disease duration (OR=2.843, 95%CI=1.862-4.342), Clinical Dementia Rating (CDR) score (OR=1.275, 95%CI=1.010-1.610), history of falls (OR=7.779, 95%CI=3.515-17.213), osteoarthritis (OR=1.757, 95%CI=1.068-2.892), osteoporosis (OR=2.481, 95%CI=1.692-3.638), high-risk behavioral and psychological symptoms of dementia (BPSD) (OR=2.193, 95%CI=1.229-3.914), albumin (ALB) level (OR=1.781, 95%CI=1.128-2.814), and high-risk medication use (OR=1.466, 95%CI=1.191-1.805) were independent risk factors for fall-related hospitalization in patients with AD (P<0.05). Receiver operating characteristic analysis showed that the AUCs of the training set and validation set were 0.753 (95%CI=0.711-0.795) and 0.794 (95%CI=0.734-0.853), respectively. Calibration curves showed good agreement between the predicted and ideal curves in both sets. DCA showed that the nomogram provided a net benefit greater than 0 when the predicted probability of fall-related hospitalization ranged from 0.1 to 0.8.

Conclusion

Disease duration, CDR score, history of falls, osteoarthritis, osteoporosis, high-risk BPSD, ALB level, and high-risk medication use were identified as risk factors for fall-related hospitalization in patients with AD. The nomogram model constructed in this study can be used to predict the risk of fall-related hospitalization in this population.

Key words: Alzheimer's disease, Falls, Hospitalization, Prediction model, Nomogram, Logistic regression

中图分类号:

R 745.7

李姣,向庆伟,刘进进,等. 阿尔茨海默病患者跌倒相关住院风险预测模型的构建与验证研究[J]. 中国全科医学, 2026, 29(32): 4721-4729. DOI: 10.12114/j.issn.1007-9572.2025.0504.
LI Jiao,XIANG Qingwei,LIU Jinjin, et al. Development and Validation of Risk Prediction Model for Fall-related Hospitalization in Patients with Alzheimer's Disease[J]. Chinese General Practice, 2026, 29(32): 4721-4729. DOI: 10.12114/j.issn.1007-9572.2025.0504.

图/表 9

参考文献 46

[1]	Dev K, Javed A, Bai P, et al. Prevalence of falls and fractures in Alzheimer's patients compared to general population[J]. Cureus, 2021, 13(1): e12923. DOI: 10.7759/cureus.12923.
[2]	Hao M, Chen J J. Trend analysis and future predictions of global burden of Alzheimer's disease and other dementias: a study based on the global burden of disease database from 1990 to 2021[J]. BMC Med, 2025, 23(1): 378. DOI: 10.1186/s12916-025-04169-w.
[3]	Jia L F, Du Y F, Chu L, et al. Prevalence, risk factors, and management of dementia and mild cognitive impairment in adults aged 60 years or older in China: a cross-sectional study[J]. Lancet Public Health, 2020, 5(12): e661-e671. DOI: 10.1016/S2468-2667(20)30185-7.
[4]	Ji Q Q, Chen J Q, Li Y F, et al. Incidence and prevalence of Alzheimer's disease in China: a systematic review and meta-analysis[J]. Eur J Epidemiol, 2024, 39(7): 701-714. DOI: 10.1007/s10654-024-01144-2.
[5]	张懿姝，邱嘉婷，尚群竺, 等. 痴呆患者跌倒风险及预测模型研究进展[J]. 中国神经精神疾病杂志, 2025, 51(5): 298-302. DOI: 10.3969/j.issn.1002-0152.2025.05.008.
[6]	Yesantharao L V, Rosenberg P, Oh E, et al. Vestibular therapy to reduce falls in people with Alzheimer's disease: study protocol for a pilot randomized controlled trial[J]. Pilot Feasibility Stud, 2022, 8(1): 167. DOI: 10.1186/s40814-022-01133-w.
[7]	Güner Oytun M, Topuz S, Baş A O, et al. Relationships of fall risk with frailty, sarcopenia, and balance disturbances in mild-to-moderate Alzheimer's disease[J]. J Clin Neurol, 2023, 19(3): 251-259. DOI: 10.3988/jcn.2022.0219.
[8]	Zieschang T, Schwenk M, Becker C, et al. Feasibility and accuracy of fall reports in persons with dementia: a prospective observational study[J]. Int Psychogeriatr, 2012, 24(4): 587-598. DOI: 10.1017/S1041610211002122.
[9]	Francis-Coad J, Hill A M, Jacques A, et al. Association between characteristics of injurious falls and fall preventive interventions in acute medical and surgical units[J]. J Gerontol A Biol Sci Med Sci, 2020, 75(10): e152-e158. DOI: 10.1093/gerona/glaa032.
[10]	Hoffman G J, Ha J, Alexander N B, et al. Underreporting of fall injuries of older adults: implications for wellness visit fall risk screening[J]. J Am Geriatr Soc, 2018, 66(6): 1195-1200. DOI: 10.1111/jgs.15360.
[11]	Martin G P, Pate A, Bladon S, et al. A decision-analytical perspective on incorporating multiple outcomes in the production of clinical prediction models: defining a taxonomy of risk estimands[J]. BMC Med, 2025, 23(1): 142. DOI: 10.1186/s12916-025-03978-3.
[12]	Pilastri F B, Lopez J F, Boateng E N, et al. What to know about falls in older adults? Risk factors, predictors, and therapeutic interventions[J]. Int J Environ Res Public Health, 2025, 22(12): 1863. DOI: 10.3390/ijerph22121863.
[13]	Wabe N, Meulenbroeks I, Huang G G, et al. Development and internal validation of a dynamic fall risk prediction and monitoring tool in aged care using routinely collected electronic health data: a landmarking approach[J]. J Am Med Inform Assoc, 2024, 31(5): 1113-1125. DOI: 10.1093/jamia/ocae058.
[14]	Kehrer-Dunlap A L, Keleman A A, Bollinger R M, et al. Falls and Alzheimer disease[J]. Adv Geriatr Med Res, 2024, 6(1): e240001. DOI: 10.20900/agmr.20240001.
[15]	Romli M H, Mackenzie L, Tan P J, et al. Comparison of retrospective and prospective falls reporting among community-dwelling older people: findings from two cohort studies[J]. Front Public Health, 2021, 9: 612663. DOI: 10.3389/fpubh.2021.612663.
[16]	Antcliff S R, Witchalls J B, Wallwork S B, et al. Daily surveillance of falls is feasible and reveals a high incidence of falls among older adults[J]. Australas J Ageing, 2022, 41(2): e201-e205. DOI: 10.1111/ajag.13058.
[17]	Zhao G C, Zhang Y, Luo J, et al. Prediction models for falls risk among inpatients: a systematic review and meta-analysis[J]. J Adv Nurs, 2026, 82(3): 1973-1990. DOI: 10.1111/jan.17079.
[18]	Jia S Q, Si Y R, Guo C C, et al. The prediction model of fall risk for the elderly based on gait analysis[J]. BMC Public Health, 2024, 24(1): 2206. DOI: 10.1186/s12889-024-19760-8.
[19]	胡海琼，李莉霞，邵宇, 等. 帕金森病患者跌倒风险调查及基于LASSO回归的列线图预测模型建立与验证[J]. 重庆医科大学学报, 2025, 50(10): 1338-1344. DOI: 10.13406/j.cnki.cyxb.003926.
[20]	王清清，陈阳希，贡歌, 等. 共病指数与急性冠状动脉综合征患者冠状动脉病变程度及早期预后的相关性[J]. 国际老年医学杂志, 2025, 47(3): 302-307. DOI: 10.3969/j.issn.1674-7593.2026.03.007.
[21]	Shimazoe H, Mii S, Koyanagi Y, et al. Impact of low activity of daily living on the prognosis of patients with critical limb ischemia and sarcopenia[J]. Ann Vasc Surg, 2019, 61: 156-164. DOI: 10.1016/j.avsg.2019.03.019.
[22]	Lanctôt K L, Boada M, Tariot P N, et al. Association between clinical dementia rating and clinical outcomes in Alzheimer's disease[J]. Alzheimers Dement(Amst), 2024, 16(1): e12522. DOI: 10.1002/dad2.12522.
[23]	Kamatham P T, Shukla R, Khatri D K, et al. Pathogenesis, diagnostics, and therapeutics for Alzheimer's disease: breaking the memory barrier[J]. Ageing Res Rev, 2024, 101: 102481. DOI: 10.1016/j.arr.2024.102481.
[24]	Zhou B N, Zhang Q, Li M. Alzheimer's disease and its associated risk of bone fractures: a narrative review[J]. Front Endocrinol, 2023, 14: 1190762. DOI: 10.3389/fendo.2023.1190762.
[25]	Singh I, Duric D, Motoc A, et al. Relationship of prevalent fragility fracture in dementia patients: three years follow up study[J]. Geriatrics(Basel), 2020, 5(4): 99. DOI: 10.3390/geriatrics5040099.
[26]	Qian X L, Ge Y P, Luo J. Risk factors for deep vein thrombosis after traumatic lower extremity fracture: a systematic review and meta-analysis[J]. Medicine, 2024, 103(23): e38439. DOI: 10.1097/MD.0000000000038439.
[27]	Costa M L, Greenwood C, Nixon J. Preventing pressure sores after hip fracture[J]. Bone Joint J, 2025, 107-B(2): 135-138. DOI: 10.1302/0301-620X.107B2.BJJ-2024-0635.R1.
[28]	Yuan J W, Zhu G, Zhao Y W, et al. Effect of hip fracture on prognosis of acute cerebral infarction[J]. Clinics(Sao Paulo), 2021, 76: e3059. DOI: 10.6061/clinics/2021/e3059.
[29]	Caliskan H, Sahin U K, Baydan M, et al. Balance performance measured by posturography in mild-moderate Alzheimer's disease: an undervalued assessment[J]. Geriatr Nurs, 2023, 53: 33-39. DOI: 10.1016/j.gerinurse.2023.06.019.
[30]	Berk-Rauch H E, Choudhury A, Richards A T, et al. Striatal fibrinogen extravasation and vascular degeneration correlate with motor dysfunction in an aging mouse model of Alzheimer's disease[J]. Front Aging Neurosci, 2023, 15: 1064178.
[31]	Kumai K, Kumai M, Takada J, et al. Decreased time on the nondominant one-leg standing test associated with repeated falls in older residents with healthy aging, mild cognitive impairment, and dementia: the wakuya project[J]. Dement Geriatr Cogn Dis Extra, 2021, 11(2): 122-128. DOI: 10.1159/000516360.
[32]	Roitto H M, Kautiainen H, Öhman H, et al. Relationship of neuropsychiatric symptoms with falls in Alzheimer's disease - does exercise modify the risk?[J]. J Am Geriatr Soc, 2018, 66(12): 2377-2381. DOI: 10.1111/jgs.15614.
[33]	Taylor M E, Toots A, Lord S R, et al. Cognitive domain associations with balance performance in community-dwelling older people with cognitive impairment[J]. J Alzheimers Dis, 2021, 81(2): 833-841. DOI: 10.3233/JAD-201325.
[34]	Joy E A, Briesacher M, Wiegand B. Musculoskeletal failure[J]. Am J Lifestyle Med, 2024, 18(6): 826-829. DOI: 10.1177/15598276241256878.
[35]	Miyamoto T. Osteoporosis and rheumatoid arthritis: mechanisms underlying osteoclast differentiation and activation or factors associated with hip fractures[J]. J Clin Med, 2025, 14(4): 1138. DOI: 10.3390/jcm14041138.
[36]	Ward E S, Gelinas D, Dreesen E, et al. Clinical significance of serum albumin and implications of FcRn inhibitor treatment in IgG-mediated autoimmune disorders[J]. Front Immunol, 2022, 13: 892534. DOI: 10.3389/fimmu.2022.892534.
[37]	De Oliveira J, Kucharska E, Garcez M L, et al. Inflammatory cascade in Alzheimer's disease pathogenesis: a review of experimental findings[J]. Cells, 2021, 10(10): 2581. DOI: 10.3390/cells10102581.
[38]	Feng F F, Xu H C, Sun Y, et al. Exercise for prevention of falls and fall-related injuries in neurodegenerative diseases and aging-related risk conditions: a meta-analysis[J]. Front Endocrinol, 2023, 14: 1187325. DOI: 10.3389/fendo.2023.1187325.
[39]	Passamonti L, Tsvetanov K A, Jones P S, et al. Neuroinflammation and functional connectivity in Alzheimer's disease: interactive influences on cognitive performance[J]. J Neurosci, 2019, 39(36): 7218-7226. DOI: 10.1523/JNEUROSCI.2574-18.2019.
[40]	Mahmoudzadeh Khalili S, Simpkins C, Yang F. A meta-analysis of fall risk in older adults with Alzheimer's disease[J]. J Am Med Dir Assoc, 2024, 25(5): 781-788.e3. DOI: 10.1016/j.jamda.2024.01.005.
[41]	Sitdhiraksa N, Piyamongkol P, Chaiyawat P, et al. Prevalence and factors associated with fear of falling in community-dwelling Thai elderly[J]. Gerontology, 2021, 67(3): 276-280. DOI: 10.1159/000512858.
[42]	Korkatti-Puoskari N, Tiihonen M, Caballero-Mora M A, et al. Therapeutic dilemma's: antipsychotics use for neuropsychiatric symptoms of dementia, delirium and insomnia and risk of falling in older adults, a clinical review[J]. Eur Geriatr Med, 2023, 14(4): 709-720. DOI: 10.1007/s41999-023-00837-3.
[43]	Scuteri D, Pierobon D, Pagliaro M, et al. Clinical and market analysis of NanoBEO: a public-worth, innovative therapy for behavioral and psychological symptoms of dementia(BPSD)-emerging evidence and its implications for a health technology assessment(HTA) and decision-making in national health systems[J]. Pharmaceutics, 2024, 16(10): 1253. DOI: 10.3390/pharmaceutics16101253.
[44]	Svob Strac D, Konjevod M, Sagud M, et al. Personalizing the care and treatment of Alzheimer's disease: an overview[J]. Pharmgenomics Pers Med, 2021, 14: 631-653. DOI: 10.2147/PGPM.S284615.
[45]	Pronk A C, van Poelgeest E P, Seppala L J, et al. Are higher antidepressant plasma concentrations associated with fall risk in older antidepressant users?[J]. Eur Geriatr Med, 2023, 14(1): 89-97. DOI: 10.1007/s41999-022-00742-1.
[46]	Tampi R R, Bhattacharya G, Marpuri P. Managing behavioral and psychological symptoms of dementia(BPSD) in the era of boxed warnings[J]. Curr Psychiatry Rep, 2022, 24(9): 431-440. DOI: 10.1007/s11920-022-01347-y.

变量	训练集（n=690）	验证集（n=297）	χ²值	P值	变量	训练集（n=690）	验证集（n=297）	χ²值	P值
跌倒相关住院			0.050	0.823	骨关节炎			0.185	0.667
否	499（72.32）	212（71.38）			否	581（84.20）	254（85.52）
是	191（27.68）	85（28.62）			是	109（15.80）	43（14.48）
性别			0.051	0.821	骨质疏松			0.027	0.870
女	360（52.17）	158（53.20）			否	415（60.14）	181（60.94）
男	330（47.83）	139（46.80）			是	275（39.86）	116（39.06）
年龄			2.524	0.471	高危BPSD			0.525	0.469
≤60岁	25（3.62）	7（2.36）			否	621（90.00）	262（88.22）
>60~70岁	79（11.45）	27（9.09）			是	69（10.00）	35（11.78）
>70~80岁	205（29.71）	95（31.99）			失眠			2.003	0.157
>80岁	381（55.22）	168（56.57）			否	377（54.64）	147（49.49）
婚姻状况			1.196	0.274	是	313（45.36）	150（50.51）
在婚	510（73.91）	230（77.44）			帕金森病			0.677	0.411
未在婚	180（26.09）	67（22.56）			否	648（93.91）	274（92.26）
吸烟史			0.741	0.389	是	42（6.09）	23（7.74）
否	479（69.42）	215（72.39）			视力下降			0.069	0.792
是	211（30.58）	82（27.61）			否	641（92.90）	278（93.60）
饮酒史			0.314	0.575	是	49（7.10）	19（6.40）
否	465（67.39）	194（65.32）			听力下降			0.006	0.939
是	225（32.61）	103（34.68）			否	653（94.64）	280（94.28）
病程			0.389	0.533	是	37（5.36）	17（5.72）
≤5年	512（74.20）	214（72.05）			CCI			1.367	0.242
>5年	178（25.80）	83（27.95）			≤5分	656（95.07）	288（96.97）
CDR评分			0.770	0.680	>5分	34（4.93）	9（3.03）
轻度痴呆	245（35.51）	113（38.05）			HGB			1.704	0.426
中度痴呆	185（26.81）	73（24.58）			正常	427（61.88）	172（57.91）
重度痴呆	260（37.68）	111（37.37）			降低	235（34.06）	114（38.38）
ADL评分			0.034	0.853	升高	28（4.06）	11（3.70）
无障碍	354（51.30）	155（52.19）			ALB			0.017	0.895
有障碍	336（48.70）	142（47.81）			未降低	181（26.23）	76（25.59）
BMI			1.074	0.585	降低	509（73.77）	221（74.41）
正常	415（60.14）	184（61.95）			高风险用药			0.392	0.942
过轻	133（19.28）	49（16.50）			0种	205（29.71）	87（29.29）
超重	142（20.58）	64（21.55）			1种	265（38.41）	120（40.40）
跌倒史			0.011	0.918	2种	157（22.75）	64（21.55）
否	651（94.35）	279（93.94）			3种	63（9.13）	26（8.75）
是	39（5.65）	18（6.06）

变量	训练集（n=690）	验证集（n=297）	χ²值	P值	变量	训练集（n=690）	验证集（n=297）	χ²值	P值
跌倒相关住院			0.050	0.823	骨关节炎			0.185	0.667
否	499（72.32）	212（71.38）			否	581（84.20）	254（85.52）
是	191（27.68）	85（28.62）			是	109（15.80）	43（14.48）
性别			0.051	0.821	骨质疏松			0.027	0.870
女	360（52.17）	158（53.20）			否	415（60.14）	181（60.94）
男	330（47.83）	139（46.80）			是	275（39.86）	116（39.06）
年龄			2.524	0.471	高危BPSD			0.525	0.469
≤60岁	25（3.62）	7（2.36）			否	621（90.00）	262（88.22）
>60~70岁	79（11.45）	27（9.09）			是	69（10.00）	35（11.78）
>70~80岁	205（29.71）	95（31.99）			失眠			2.003	0.157
>80岁	381（55.22）	168（56.57）			否	377（54.64）	147（49.49）
婚姻状况			1.196	0.274	是	313（45.36）	150（50.51）
在婚	510（73.91）	230（77.44）			帕金森病			0.677	0.411
未在婚	180（26.09）	67（22.56）			否	648（93.91）	274（92.26）
吸烟史			0.741	0.389	是	42（6.09）	23（7.74）
否	479（69.42）	215（72.39）			视力下降			0.069	0.792
是	211（30.58）	82（27.61）			否	641（92.90）	278（93.60）
饮酒史			0.314	0.575	是	49（7.10）	19（6.40）
否	465（67.39）	194（65.32）			听力下降			0.006	0.939
是	225（32.61）	103（34.68）			否	653（94.64）	280（94.28）
病程			0.389	0.533	是	37（5.36）	17（5.72）
≤5年	512（74.20）	214（72.05）			CCI			1.367	0.242
>5年	178（25.80）	83（27.95）			≤5分	656（95.07）	288（96.97）
CDR评分			0.770	0.680	>5分	34（4.93）	9（3.03）
轻度痴呆	245（35.51）	113（38.05）			HGB			1.704	0.426
中度痴呆	185（26.81）	73（24.58）			正常	427（61.88）	172（57.91）
重度痴呆	260（37.68）	111（37.37）			降低	235（34.06）	114（38.38）
ADL评分			0.034	0.853	升高	28（4.06）	11（3.70）
无障碍	354（51.30）	155（52.19）			ALB			0.017	0.895
有障碍	336（48.70）	142（47.81）			未降低	181（26.23）	76（25.59）
BMI			1.074	0.585	降低	509（73.77）	221（74.41）
正常	415（60.14）	184（61.95）			高风险用药			0.392	0.942
过轻	133（19.28）	49（16.50）			0种	205（29.71）	87（29.29）
超重	142（20.58）	64（21.55）			1种	265（38.41）	120（40.40）
跌倒史			0.011	0.918	2种	157（22.75）	64（21.55）
否	651（94.35）	279（93.94）			3种	63（9.13）	26（8.75）
是	39（5.65）	18（6.06）

变量	赋值方法
跌倒相关住院	否=0，是=1
性别	女=0，男=1
年龄	≤60岁=1，>60~70岁=2，>70~80岁=3，>80岁=4
婚姻状况	在婚=0，未在婚=1
吸烟史	否=0，是=1
饮酒史	否=0，是=1
病程	≤5年=0，>5年=1
CDR评分	轻度痴呆=1，中度痴呆=2，重度痴呆=3
ADL评分	无障碍=0，有障碍=1
BMI	正常=0，过轻=1，超重=2
跌倒史	否=0，是=1
骨关节炎	否=0，是=1
骨质疏松	否=0，是=1
高危BPSD	否=0，是=1
失眠	否=0，是=1
帕金森病	否=0，是=1
视力下降	否=0，是=1
听力下降	否=0，是=1
CCI	≤5分=0，>5分=1
HGB	正常=0，降低=1，升高=2
ALB	未降低=0，降低=1
高风险用药	0种=0，1种=1，2种=2，3种=3

变量	赋值方法
跌倒相关住院	否=0，是=1
性别	女=0，男=1
年龄	≤60岁=1，>60~70岁=2，>70~80岁=3，>80岁=4
婚姻状况	在婚=0，未在婚=1
吸烟史	否=0，是=1
饮酒史	否=0，是=1
病程	≤5年=0，>5年=1
CDR评分	轻度痴呆=1，中度痴呆=2，重度痴呆=3
ADL评分	无障碍=0，有障碍=1
BMI	正常=0，过轻=1，超重=2
跌倒史	否=0，是=1
骨关节炎	否=0，是=1
骨质疏松	否=0，是=1
高危BPSD	否=0，是=1
失眠	否=0，是=1
帕金森病	否=0，是=1
视力下降	否=0，是=1
听力下降	否=0，是=1
CCI	≤5分=0，>5分=1
HGB	正常=0，降低=1，升高=2
ALB	未降低=0，降低=1
高风险用药	0种=0，1种=1，2种=2，3种=3

自变量	β	SE	Z值	P值	OR（95%CI）
病程	1.045	0.216	4.838	<0.001	2.843（1.862~4.342）
CDR评分	0.243	0.119	2.046	<0.050	1.275（1.010~1.610）
跌倒史	2.051	0.405	5.062	<0.001	7.779（3.515~17.213）
骨关节炎	0.564	0.254	2.219	<0.050	1.757（1.068~2.892）
骨质疏松	0.909	0.195	4.652	<0.001	2.481（1.692~3.638）
高危BPSD	0.785	0.296	2.656	<0.01	2.193（1.229~3.914）
ALB	0.577	0.233	2.475	<0.050	1.781（1.128~2.814）
高风险用药	0.383	0.106	3.610	<0.001	1.466（1.191~1.805）
常量	-3.404	0.354	-9.615	<0.001

阿尔茨海默病患者跌倒相关住院风险预测模型的构建与验证研究

Development and Validation of Risk Prediction Model for Fall-related Hospitalization in Patients with Alzheimer's Disease

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 46

相关文章 15

编辑推荐

Metrics

留言

[1]	谭丽博, 刘南阳, 李浩. 中成药治疗阿尔茨海默病临床研究的证据图分析[J]. 中国全科医学, 2026, 29(32): 4805-4814.
[2]	唐博, 杨芮, 赵茜, 刘红, 刘力滴, 张颖, 蒋莉华, 王小刚, 杨荣, 廖晓阳. 美国预防临床服务指南工作组《社区老年人跌倒的预防措施》推荐声明解读[J]. 中国全科医学, 2026, 29(30): 4360-4365.
[3]	么颖, 段丽然, 韩殿丽, 苗田鑫, 陈可, 张岚, 顾海粤. 年轻老年患者跌倒预防延续性干预方案的构建及应用研究[J]. 中国全科医学, 2026, 29(30): 4415-4423.
[4]	李姣, 周剑杰, 彭朗, 梅应兵, 谭子虎. 阿尔茨海默病合并社区获得性肺炎发生不良预后风险预测模型的构建与验证研究[J]. 中国全科医学, 2026, 29(29): 4248-4257.
[5]	蒋晨, 安妮, 徐运璟, 牛少娜, 李凤鸣, 姜良美. 心血管-肾脏-代谢综合征患者住院特征及医疗资源消耗的横断面研究[J]. 中国全科医学, 2026, 29(28): 4172-4178.
[6]	赵泽宙, 王杰萍, 杜雪平, 闫巍, 吴薇, 李倩, 赵亚文, 李昊东. 北京市某三级综合医院全科医学科住院患者疾病特征研究[J]. 中国全科医学, 2026, 29(26): 3739-3744.
[7]	李海瑾, 朱宸立, 李卉, 冯郑文, 乔雨晨, 杜娟. 失智症诊断后管理相关指南的质量评价与内容分析[J]. 中国全科医学, 2026, 29(25): 3569-3576.
[8]	蔡秋茂, 朱怡, 许军. 县域医共体建设对糖尿病住院服务利用及费用控制的影响研究[J]. 中国全科医学, 2026, 29(25): 3593-3598.
[9]	潘昊, 邱勇, 刘荣梅, 郭智萍, 戴能光, 金彤, 桑艳红, 李毅, 廖丽娟. 基本公共卫生服务管理对患者住院经济负担及生存结局的影响研究：以糖尿病住院患者为例[J]. 中国全科医学, 2026, 29(25): 3599-3607.
[10]	丘淑娴, 吴婉婷, 赵玫, 张海峰, 李涛, 于欣, 王华丽. 阿尔茨海默病知识量表在社区医生中的因子结构分析研究[J]. 中国全科医学, 2026, 29(23): 3336-3341.
[11]	袁杭滔, 洪妍, 袁沛宏, 林博, 崔晓云, 李伟炜. 预测中国绝经后女性新发心脏代谢性共病风险的可解释机器学习模型研究[J]. 中国全科医学, 2026, 29(23): 3294-3306.
[12]	安艳红, 王世东, 李潇然, 郭家扬, 王哲, 沙培林, 孟怡珺, 李小萱, 石雪, 于泽兴, 肖永华. 糖尿病肾病影响因素及列线图预测模型研究：基于超声造影技术[J]. 中国全科医学, 2026, 29(21): 2995-3003.
[13]	李超辉, 刘慧, 王凯. 持续性心房颤动的影响因素识别及判别模型构建研究[J]. 中国全科医学, 2026, 29(20): 2846-2853.
[14]	鲍若林, 鲁潮, 冯昕, 叶春梅, 来芬华, 倪作为, 杨东波, 郑永韬. 基于巢式病例对照研究老年人流感疫苗突破病例的风险预测模型[J]. 中国全科医学, 2026, 29(19): 2671-2677.
[15]	简迎春, 曾永秦, 张海平, 王争地, 安科, 严瑞. 线粒体功能障碍在慢性代谢性疾病中的研究进展[J]. 中国全科医学, 2026, 29(18): 2577-2584.