Risk Factors and Predictive Model of Long-term Bedridden Risk of Falls in Super-aged Population Based on Competing Risk Model Analysis

doi:10.12114/j.issn.1007-9572.2023.0757

Chinese General Practice ›› 2024, Vol. 27 ›› Issue (18): 2192-2197.DOI: 10.12114/j.issn.1007-9572.2023.0757

• Article • Previous Articles Next Articles

Risk Factors and Predictive Model of Long-term Bedridden Risk of Falls in Super-aged Population Based on Competing Risk Model Analysis

1. Department of Geriatric Medicine, the First People's Hospital of Xiaoshan District, Hangzhou 311200, China
2. Shanghai Center of Biomedicine Development, Shanghai 200120, China
3. Xiaoshan Center for Disease Control and Prevention, Hangzhou 311200, China
4. Clinical Center for Intelligent Rehabilitation Research, Yangzhi Rehabilitation Hospital, Tongji University (Shanghai Sunshine Rehabilitation Center), Shanghai 201600, China

Received:2023-10-30 Revised:2023-12-25 Published:2024-06-20 Online:2024-03-22
Contact: WU Hengjing

基于竞争风险模型分析超高龄人群跌倒致长期卧床的危险因素及预测模型研究

1．311200　浙江省杭州市萧山区第一人民医院老年病医学科
2．200120　上海市生物医药科技发展中心
3．311200　浙江省杭州市萧山区疾病预防控制中心
4．201600　上海市，同济大学附属养志康复医院（上海市阳光康复中心）智能康复临床研究中心

通讯作者: 吴恒璟
作者简介:
作者贡献：徐云佳负责论文数据分析和初稿撰写；舒碧芸负责上海部分的数据收集整理、绘制图表并协助设计研究思路；郑永韬负责论文数据整理清洗和数据分析，协助初稿撰写；陈挺、来芬华负责杭州部分数据的收集整理；倪梦姣、罗秀兰负责数据整合录入，协助参与论文内容格式修改；吴恒璟提出研究思路、提供研究资源和经费支持、完善论文最终内容并对论文负责。
基金资助:
上海申康医院发展中心临床三年行动计划研究型医师能力项目(SHDC2022CRS049)

Abstract

Abstract:

Background

With the aging trend intensifying in China, the number of super-aged population (≥80 years old) is also increasing. This demographic faces a notable decline in balance and reaction capabilities, resulting in an elevated risk of falls than that of other age groups of the elderly. Falls leading to long-term bedridden risk of falls often pose a serious disease burden to families and society. Exploring the potential risk factors for falls in the super-aged people may provide reference for the fall prevention in this population.

Objective

To identify long-term bedridden risk of falls in super-aged population and develop a risk predictive model.

Methods

A prospective cohort study was conducted to collect relevant information based on the China Health and Retirement Longitudinal Study questionnaire among the super-aged people who regularly participate in annual physical examination in five districts and counties of Shanghai and Hangzhou from March to November 2015, and to follow up and observe long-term bedridden caused by falls (endpoint events) and death (competing events), a competing risk model was constructed to analyze the influencing factors of long-term bedridden caused by falls. Independent risk factors identified by the competing risk model were used to construct a risk predictive model and nomogram of long-term bedridden risk of falls in super-aged population, and receiver operating characteristic (ROC) curve was plotted to evaluate the accuracy of the model.

Results

A total of 986 super-aged individuals were included in this study, including 431 (43.7%) males and 555 (56.3%) females, with an average age of (89.8±5.2) years. After 8 years of follow-up, 96 people were lost to follow-up, with a loss rate of 9.7%; endpoint events occurred in 165 people with an incidence rate of 16.7%; 134 people had competing events, with an incidence rate of 13.6%. Competing risk model analysis showed an increase in muscle strength (HR=1.071, 95%CI=1.049-1.091), age>85 years (HR=1.954, 95%CI=1.255-3.042), rural household location (HR=1.946, 95%CI=1.385-2.731), poor sleep quality (HR=5.756, 95%CI=3.904-8.491), cataract (HR=1.832, 95%CI=1.201-2.794), diabetes (HR=1.549, 95%CI=1.121-2.143), cognitive impairment (HR=1.717, 95%CI=1.258-2.344) were independent risk factors for long-term bedridden caused by falls in elderly population under the influence of competing events, and the difference was statistically significant (P<0.05). The area under the ROC curve of the predictive model for the risk of falls resulting in long-term bedridden in the super-aged people was 0.798 (95%CI=0.608-0.988), with a sensitivity of 0.841 and a specificity of 0.677.

Conclusion

The incidence of long-term bedridden caused by falls in elderly population was 16.7%. A nomogram predictive model can be constructed based on factors such as muscle strength, age, household location, sleep quality, cataracts and diabetes status, cognitive function, to regularly assess the risk of falls in super-aged population. It is recommended to strengthen health education and social support, and reduce the incidence of falls and the risk of long-term bedridden caused by falls.

Key words: Aged, 80 and over, Falls, Long-term bedridden, Risk factors, Nomograms, Cohort studies, Competing risk models

摘要： 背景随着我国老龄化趋势的加剧，超高龄人群（≥80岁）的数量也在不断增加，这类人群平衡感和反应能力会明显减弱，跌倒的发生的危害也远高于其他年龄段的老年人，跌倒致长期卧床常给家庭和社会造成严重的疾病负担，探究超高龄人群跌倒的潜在危险因素，可为此类人群的跌倒预防工作提供参考。目的分析超高龄人群跌倒致长期卧床的危险因素并构建风险预测模型。方法于2015年3—11月选取上海市及杭州市5个区县每年定期参与体检的超高龄人群作为研究对象，建立前瞻性队列研究并基于中国健康与养老追踪调查（CHARLS）问卷收集研究对象相关信息，随访观察跌倒致长期卧床（目标事件）和死亡（竞争事件）的发生情况。采用竞争风险模型分析超高龄人群跌倒致长期卧床的影响因素；将竞争风险模型筛选出的独立危险因素构建超高龄人群跌倒致长期卧床风险预测模型列线图并绘制受试者工作特征（ROC）曲线来评价模型的准确性。结果本研究共纳入986名超高龄老年人，其中男431名（43.7%）、女555名（56.3%），平均年龄为（89.8±5.2）岁。经过8年的随访，失访96名，失访率为9.7%；发生目标事件165名，发生率为16.7%；发生竞争事件134名，发生率为13.6%。竞争风险模型分析结果显示，在有竞争事件的影响下，肌力的增加（HR=1.071，95%CI=1.049~1.091）、年龄>85岁（HR=1.954，95%CI=1.255~3.042）、居住地为农村（HR=1.946，95%CI=1.385~2.731）、睡眠质量较差（HR=5.756，95%CI=3.904~8.491）、白内障（HR=1.832，95%CI=1.201~2.794）、糖尿病（HR=1.549，95%CI=1.121~2.143）、认知功能损害（HR=1.717，95%CI=1.258~2.344）为超高龄人群跌倒致长期卧床发生风险的独立危险因素（P<0.05）。超高龄人群跌倒致长期卧床风险预测模型的ROC曲线下面积为0.798（95%CI=0.608~0.988），灵敏度为0.841，特异度为0.677。结论超高龄人群跌倒致长期卧床的发生率达16.7%，可根据肌力、年龄、居住地、睡眠质量、白内障和糖尿病患病情况、认知功能等因素，构建列线图预测模型定期评估超高龄人群的跌倒风险，需加强健康教育和社会支持，降低跌倒的发生率和跌倒致长期卧床的风险。

关键词: 老年人, 80以上, 跌倒, 长期卧床, 危险因素, 列线图, 队列研究, 竞争风险模型

CLC Number:

R 339.34

XU Yunjia,SHU Biyun,ZHENG Yongtao, et al. Risk Factors and Predictive Model of Long-term Bedridden Risk of Falls in Super-aged Population Based on Competing Risk Model Analysis[J]. Chinese General Practice, 2024, 27(18): 2192-2197. DOI: 10.12114/j.issn.1007-9572.2023.0757.
徐云佳,舒碧芸,郑永韬等. 基于竞争风险模型分析超高龄人群跌倒致长期卧床的危险因素及预测模型研究[J]. 中国全科医学, 2024, 27(18): 2192-2197. DOI: 10.12114/j.issn.1007-9572.2023.0757.

Figures/Tables 6

References 29

[1]	国家统计局，国务院第七次全国人口普查领导小组办公室. 第七次全国人口普查公报[R]. 2021.
[2]	王宇. 全国疾病监测系统死因监测数据集2009[M]. 北京：军事医学科学出版社，2012.
[3]	FEDER G，CRYER C，DONOVAN S，et al. Guidelines for the prevention of falls in people over 65. The Guidelines' Development Group[J]. BMJ，2000，321（7267）：1007-1011.
[4]	China Health and Retirement Longitudinal Study（CHARLS）. China Health and Retirement Longitudinal Study：2011 CHARLS Wave1（Baseline）[EB/OL]. （2013-01-01）[2023-07-25].
[5]	BUYSSE D J，REYNOLDS C F 3rd，MONK T H，et al. The Pittsburgh Sleep Quality Index：a new instrument for psychiatric practice and research[J]. Psychiatry Res，1989，28（2）：193-213. DOI：10.1016/0165-1781(89)90047-4.
[6]	Independent Hospital Pricing Authority（IHPA）. Standardised Mini-Mental State Examination（SMMSE）-Guidelines for administration and scoring instructions （text version）[J]. Australian Government Department of Health. [2023-07-25].
[7]	HALLER B，SCHMIDT G，ULM K. Applying competing risks regression models：an overview[J]. Lifetime Data Anal，2013，19（1）：33-58. DOI：10.1007/s10985-012-9230-8.
[8]	DIGNAM JAMES J，QIANG Z，MASHA K. The use and interpretation of competing risks regression models[J]. Clin Cancer Res，2012，18（8）：2301-2308.
[9]	KATTAN M W，HELLER G，BRENNAN M F. A competing-risks nomogram for sarcoma-specific death following local recurrence[J]. Stat Med，2003，22（22）：3515-3525. DOI：10.1002/sim.1574.
[10]	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.
[11]	路俊英，郭冬霞，李芳伟，等. 中国老年人跌倒发生现状及影响因素[J]. 郑州大学学报（医学版），2020，55（5）：662-667. DOI：10.13705/j.issn.1671-6825.2020.07.052.
[12]	桂慧雯，刘军. 步态障碍的分类与诊断治疗[J]. 中国现代神经疾病杂志，2011，11（1）：18-21.
[13]	康宁，于海军，陆晓敏，等. 中国老年人跌倒发生率的Meta分析[J]. 中国循证医学杂志，2022，22（10）：1142-1148.
[14]	AGMON M，BELZA B，NGUYEN H Q，et al. A systematic review of interventions conducted in clinical or community settings to improve dual-task postural control in older adults[J]. Clin Interv Aging，2014，9：477-492. DOI：10.2147/CIA.S54978.
[15]	GRANACHER U，GOLLHOFER A，HORTOBÁGYI T，et al. The importance of trunk muscle strength for balance，functional performance，and fall prevention in seniors：a systematic review[J]. Sports Med，2013，43（7）：627-641.
[16]	SASAKI H，KASAGI F，YAMADA M，et al. Grip strength predicts cause-specific mortality in middle-aged and elderly persons[J]. Am J Med，2007，120（4）：337-342. DOI：10.1016/j.amjmed.2006.04.018.
[17]	姜宜君，郑乔木，邹敏，等. 跌倒损伤入院老年人单次与多次跌倒特征及危险因素的比较研究[J]. 中国护理管理，2021，21（6）：861-865. DOI：10.3969/j.issn.1672-1756.2021.06.013.
[18]	齐士格，王志会，王丽敏，等. 2013年中国老年居民跌倒伤害流行状况分析[J]. 中华流行病学杂志，2018，39（4）：439-442. DOI：10.3760/cma.j.issn.0254-6450.2018.04.010.
[19]	廖婷婷，林立丰，林夏子，等. 广东省老年人跌倒及其影响因素和平衡能力受损现况[J]. 中华疾病控制杂志，2022，26（7）：851-856. DOI：10.16462/j.cnki.zhjbkz.2022.07.018.
[20]	邴婧莹，李熹，李桐瑶，等. 居家养老老年人跌倒现状及影响因素研究[J]. 现代预防医学，2022，49（1）：110-114，151.
[21]	郭雁飞，马文军，张庆军，等. 中国8个省份50岁及以上人群跌倒伤害及其危险因素横断面研究[J]. 中华流行病学杂志，2018，39（3）：258-263. DOI：10.3760/cma.j.issn.0254-6450.2018.03.002.
[22]	HELBIG A K，DÖRING A，HEIER M，et al. Association between sleep disturbances and falls among the elderly：results from the German Cooperative Health Research in the Region of Augsburg-Age study[J]. Sleep Med，2013，14（12）：1356-1363. DOI：10.1016/j.sleep.2013.09.004.
[23]	赵晶，陈长香. 唐山市社区高龄老人跌倒风险与睡眠质量及其自我行为关系[J]. 中国公共卫生，2020，36（7）：1006-1009. DOI：10.11847/zgggws1118918.
[24]	林进龙，魏玥，陈功，等. 中国老年人不同严重程度跌倒风险与慢性病和睡眠的关联研究[J]. 中华疾病控制杂志，2021，25（1）：25-31. DOI：10.16462/j.cnki.zhjbkz.2021.01.006.
[25]	刘苗雨，张建，林剑浩，等. 老年人视功能损害与跌倒相关性的研究进展[J]. 中华眼科医学杂志（电子版），2019，9（3）：177-181. DOI：10.3877/cma.j.issn.2095-2007.2019.03.009.
[26]	谢志权. 老年2型糖尿病患者合并肌少症与肌功能减退的相关因素及跌倒风险分析[D]. 广州：南方医科大学，2019.
[27]	马雅军，李晓东，胡志灏，等. 老年人认知功能和跌倒的关系研究[J]. 中国全科医学，2019，22（15）：1784-1788. DOI：10.12114/j.issn.1007-9572.2019.00.118.
[28]	KIM J H. Experiences of falling and depression：results from the Korean longitudinal study of ageing[J]. J Affect Disord，2021，281：174-182. DOI：10.1016/j.jad.2020.12.026.
[29]	DELBAERE K，KOCHAN N A，CLOSE J C，et al. Mild cognitive impairment as a predictor of falls in community-dwelling older people[J]. Am J Geriatr Psychiatry，2012，20（10）：845-853. DOI：10.1097/JGP.0b013e31824afbc4.

变量	跌倒致长期卧床（n=165）	竞争事件（n=134）	检验统计量值	P值	变量	跌倒致长期卧床（n=165）	竞争事件（n=134）	检验统计量值	P值
肌力（±s，kg）	23.56±7.20	17.54±7.80	10.901	<0.001	居住情况[名（%）]			7.821	0.005
性别[名（%）]			1.819	0.177	非独居	130（78.8）	107（79.9）
男	101（61.2）	75（56.0）			独居	35（21.2）	27（20.1）
女	64（38.8）	59（44.0）			白内障[名（%）]			8.897	0.003
年龄[名（%）]			11.648	<0.001	无	25（15.2）	35（26.1）
≤85岁	23（13.9）	42（31.3）			有	140（84.8）	99（73.9）
>85岁	142（86.1）	92（68.7）			听力障碍[名（%）]			5.421	0.020
BMI[名（%）]			7.161	0.028	无	34（20.6）	28（20.9）
<18.5 kg/m²	40（24.2）	40（29.9）			有	131（79.4）	106（79.1）
18.5~23.9 kg/m²	87（52.7）	57（42.5）			高血压[名（%）]			1.192	0.275
>23.9 kg/m²	38（23.1）	37（27.6）			无	47（28.5）	40（29.9）
居住地[名（%）]			35.331	<0.001	有	118（71.5）	94（70.1）
城市	40（24.2）	51（38.1）			糖尿病[名（%）]			35.688	<0.001
农村	125（75.8）	83（61.9）			无	62（37.6）	69（51.5）
文化程度[名（%）]			1.823	0.402	有	103（62.4）	65（48.5）
小学及以下	121（73.4）	98（73.1）			高血脂[名（%）]			2.101	0.147
中学	22（13.3）	22（16.4）			无	77（46.7）	69（51.5）
大专及以上	22（13.3）	14（10.5）			有	88（53.3）	65（48.5）
睡眠时长[名（%）]			0.318	0.853	吸烟[名（%）]			0.533	0.766
<6 h/d	55（33.3）	52（38.8）			从未	92（55.8）	78（58.2）
6~9 h/d	53（32.1）	44（32.8）			戒烟	36（21.8）	34（25.4）
>9 h/d	57（34.6）	38（28.4）			在吸	37（22.4）	22（16.4）
睡眠质量[名（%）]			216.695	<0.001	饮酒[名（%）]			0.577	0.749
正常	41（24.8）	48（35.8）			不饮酒	101（61.2）	86（64.2）
较差	124（75.2）	86（64.2）			≤4次/月	9（5.5）	9（6.7）
跌倒史[名（%）]			15.141	<0.001	>4次/月	55（33.3）	39（29.1）
无	95（57.6）	87（64.9）			认知功能[名（%）]			19.086	<0.001
有	70（42.4）	47（35.1）			正常	99（60.0）	99（73.9）
					损害	66（40.0）	35（26.1）

变量	跌倒致长期卧床（n=165）	竞争事件（n=134）	检验统计量值	P值	变量	跌倒致长期卧床（n=165）	竞争事件（n=134）	检验统计量值	P值
肌力（±s，kg）	23.56±7.20	17.54±7.80	10.901	<0.001	居住情况[名（%）]			7.821	0.005
性别[名（%）]			1.819	0.177	非独居	130（78.8）	107（79.9）
男	101（61.2）	75（56.0）			独居	35（21.2）	27（20.1）
女	64（38.8）	59（44.0）			白内障[名（%）]			8.897	0.003
年龄[名（%）]			11.648	<0.001	无	25（15.2）	35（26.1）
≤85岁	23（13.9）	42（31.3）			有	140（84.8）	99（73.9）
>85岁	142（86.1）	92（68.7）			听力障碍[名（%）]			5.421	0.020
BMI[名（%）]			7.161	0.028	无	34（20.6）	28（20.9）
<18.5 kg/m²	40（24.2）	40（29.9）			有	131（79.4）	106（79.1）
18.5~23.9 kg/m²	87（52.7）	57（42.5）			高血压[名（%）]			1.192	0.275
>23.9 kg/m²	38（23.1）	37（27.6）			无	47（28.5）	40（29.9）
居住地[名（%）]			35.331	<0.001	有	118（71.5）	94（70.1）
城市	40（24.2）	51（38.1）			糖尿病[名（%）]			35.688	<0.001
农村	125（75.8）	83（61.9）			无	62（37.6）	69（51.5）
文化程度[名（%）]			1.823	0.402	有	103（62.4）	65（48.5）
小学及以下	121（73.4）	98（73.1）			高血脂[名（%）]			2.101	0.147
中学	22（13.3）	22（16.4）			无	77（46.7）	69（51.5）
大专及以上	22（13.3）	14（10.5）			有	88（53.3）	65（48.5）
睡眠时长[名（%）]			0.318	0.853	吸烟[名（%）]			0.533	0.766
<6 h/d	55（33.3）	52（38.8）			从未	92（55.8）	78（58.2）
6~9 h/d	53（32.1）	44（32.8）			戒烟	36（21.8）	34（25.4）
>9 h/d	57（34.6）	38（28.4）			在吸	37（22.4）	22（16.4）
睡眠质量[名（%）]			216.695	<0.001	饮酒[名（%）]			0.577	0.749
正常	41（24.8）	48（35.8）			不饮酒	101（61.2）	86（64.2）
较差	124（75.2）	86（64.2）			≤4次/月	9（5.5）	9（6.7）
跌倒史[名（%）]			15.141	<0.001	>4次/月	55（33.3）	39（29.1）
无	95（57.6）	87（64.9）			认知功能[名（%）]			19.086	<0.001
有	70（42.4）	47（35.1）			正常	99（60.0）	99（73.9）
					损害	66（40.0）	35（26.1）

变量	赋值
随访结局	删失=0，跌倒致长期卧床=1，竞争事件=2
年龄	≤85岁=0，>85岁=1
居住地	城市=0，农村=1
BMI	18.5~23.9 kg/m²=0，<18.5 kg/m²=1，>23.9 kg/m²=2
睡眠质量	正常=0，较差=1
跌倒史	无=0，有=1
居住情况	非独居=0，独居=1
白内障	无=0，有=1
听力障碍	无=0，有=1
糖尿病	否=0，是=1
认知功能	正常=0，损害=1

变量	赋值
随访结局	删失=0，跌倒致长期卧床=1，竞争事件=2
年龄	≤85岁=0，>85岁=1
居住地	城市=0，农村=1
BMI	18.5~23.9 kg/m²=0，<18.5 kg/m²=1，>23.9 kg/m²=2
睡眠质量	正常=0，较差=1
跌倒史	无=0，有=1
居住情况	非独居=0，独居=1
白内障	无=0，有=1
听力障碍	无=0，有=1
糖尿病	否=0，是=1
认知功能	正常=0，损害=1

变量	β	z值	P值	HR值	95%CI
肌力	0.068	6.862	<0.001	1.071	1.049~1.091
年龄>85岁	0.670	2.966	0.003	1.954	1.255~3.042
居住地为农村	0.666	3.837	<0.001	1.946	1.385~2.731
BMI（以18.5~23.9 kg/m²为参考）
<18.5 kg/m²	-0.163	-0.859	0.390	0.849	0.585~1.230
>23.9 kg/m²	-0.310	-1.675	0.094	0.733	0.513~1.054
睡眠质量较差	1.750	8.833	<0.001	5.756	3.904~8.491
跌倒史	0.253	1.618	0.110	1.288	0.948~1.752
独居	0.119	0.656	0.510	1.126	0.789~1.612
白内障	0.605	2.810	0.005	1.832	1.201~2.794
听力障碍	0.177	0.977	0.330	1.193	0.837~1.701
糖尿病	0.438	2.649	0.008	1.549	1.121~2.143
认知功能损害	0.541	3.409	0.001	1.717	1.258~2.344

Risk Factors and Predictive Model of Long-term Bedridden Risk of Falls in Super-aged Population Based on Competing Risk Model Analysis

基于竞争风险模型分析超高龄人群跌倒致长期卧床的危险因素及预测模型研究

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 6

References 29

Related Articles 15

Recommended Articles

Metrics

Comments

[1]	LI Hongji, ZHAO Xiaolong, HU Wei, HAN Donghui, WANG Anhui, QIN Weijun. Development and Validation of a Prediction Model for Prostate Cancer Early Screening [J]. Chinese General Practice, 2024, 27(20): 2483-2490.
[2]	ZENG Fanyan, YANG Xuezhi, LIU Xingyu, MO Jiali, LIU Zuting, LU Yi, YI Yingping, KUANG Jie. Association between Rainfall and Stroke Admissions: Based on Distributional Lag Nonlinear Modeling [J]. Chinese General Practice, 2024, 27(20): 2458-2465.
[3]	NIE Zuoting, CHEN Long, ZENG Kai, TAO Lu, YANG Rumei. Current Status of Research on Fall Risk Perception and Its Implications for Active Fall Prevention in Older Adults [J]. Chinese General Practice, 2024, 27(19): 2395-2400.
[4]	SU Wei, ZHANG Ying, MA Shuang. Trend and Prediction Analysis of the Changing Disease Burden of Ischemic Heart Disease in China and Worldwide from 1990 to 2019 [J]. Chinese General Practice, 2024, 27(19): 2375-2381.
[5]	YANG Xu, YAO Mi. Interpretation of the U.S. Preventive Clinical Services Guidelines Workgroup's Healthy Diet and Physical Activity for Cardiovascular Disease Prevention in Adults without Cardiovascular Disease Risk Factors: Behavioral Counseling Interventions [J]. Chinese General Practice, 2024, 27(17): 2064-2069.
[6]	PEI Xuejing, SHEN Huaiyun, XU Qianqian, LIU Binbin, WANG Huihui. Risk Factors and Short-term Prognosis of Severe Neonatal Asphyxia Complicated with Acute Kidney Injury [J]. Chinese General Practice, 2024, 27(15): 1861-1866.
[7]	LI Zidong, ZHU Lin. Clinical Characteristics and Risk Factors of Fatigue in COVID-19 during Recovery Period [J]. Chinese General Practice, 2024, 27(15): 1849-1854.
[8]	HONG Ling, LU Liping, CHENG Ning, SUN Qin, JIANG Jianhong, ZHU Liangfeng. Prevalence and Epidemiological Characteristics of Venous Thromboembolism in Jiaxing City [J]. Chinese General Practice, 2024, 27(15): 1837-1842.
[9]	ZHANG Guoli, ZHAO Rongrong, PENG Guotian, SUN Ruiyi, QIAO Pengyu, YAN Fanghong, HAN Lin. Risk Factors and Predictive Value of Risk Scoring Systems for Long-term Major Adverse Cardiovascular Events in Patients with ST-segment Elevation Myocardial Infarction Following Percutaneous Coronary Intervention [J]. Chinese General Practice, 2024, 27(15): 1802-1810.
[10]	YANG Shuo, LIU Xinying, WANG Huizhe, LI Huanmin, LI Xinmin. Risk Factors for Severe Mycoplasma Pneumoniae Pneumonia in Children: a Meta-analysis [J]. Chinese General Practice, 2024, 27(14): 1750-1760.
[11]	ZHANG Chunyue, FANG Liqun. Clinical Characteristics and Related Factors of Patients with Cerebral Infarction in Acute Vestibular Syndrome [J]. Chinese General Practice, 2024, 27(14): 1678-1684.
[12]	QU Yuanyuan, CAO Miao, WANG Jing, CHENG Li, HE Xiaoshuang. Trends in Prevalence and Burden of Asthma and Its Risk Factors in China, 1990-2019 [J]. Chinese General Practice, 2024, 27(13): 1594-1600.
[13]	LI Xingjun, LI Shuangrong, WANG Nan, WANG Xiangyu, CUI Ruomei, XU Jian, GUO Yulong, LIU Shuang. Clinical Characteristics of Patients with Idiopathic Inflammatory Myopathy and Risk Factors for the Development of Interstitial Lung Disease [J]. Chinese General Practice, 2024, 27(13): 1623-1629.
[14]	WANG Xueting, JIANG Yi. Disease Burden of Chronic Obstructive Pulmonary Disease in the BRICS Countries from 1990 to 2019 [J]. Chinese General Practice, 2024, 27(09): 1118-1125.
[15]	HAN Junjie, WU Di, CHEN Zhisheng, XIAO Yang, SEN Gan. A Nomogram Prediction Model and Validation Study on the Risk of Complicated Diabetic Nephropathy in Type 2 Diabetes Patients [J]. Chinese General Practice, 2024, 27(09): 1054-1061.