老年骨质疏松患者跌倒风险智能化评估工具的构建与临床验证
期刊: 健康文摘 2026年第01期 DOI: 10.67328/BT0699 PDF下载
老年骨质疏松患者跌倒风险智能化评估工具的构建与临床验证
王小亚，陈婷松，黄秋云，朱巧云
单位：安康市中医医院
摘 要：目的 构建老年骨质疏松患者跌倒风险智能化评估工具并验证其临床效果。方法 选取40例老年骨质疏松患者随机分两组各20例，对照组采用传统FRAX联合平衡/握力测试评估，观察组采用整合多维度指标及优化算法的智能化工具评估。比较两组评估准确率、灵敏度、特异度及耗时。结果 观察组评估准确率、灵敏度、特异度均高于对照组，评估耗时更短（P＜0.05）。结论 智能化评估工具效能及效率优于传统方法，可为临床防控提供精准依据。
关键词：老年骨质疏松；跌倒风险；智能化评估；主成分分析；临床验证
跌倒已成为我国65岁及以上老年人因伤致死的首位原因，而老年骨质疏松患者因骨密度降低、肌肉力量衰减及平衡功能下降，跌倒后脆性骨折风险显著升高，严重影响生活质量并增加医疗负担。随着智能传感技术发展，基于多维度指标的智能化评估工具逐渐成为研究热点。本研究旨在构建整合多核心风险因素的老年骨质疏松患者跌倒风险智能化评估工具，并通过临床对照试验验证其有效性，为临床防控提供新策略。
1 资料与方法
1.1 一般资料
选取2024年1月—6月我院40例老年骨质疏松患者，随机分两组各20例。对照组男8例、女12例，平均（72.3±5.6）岁；观察组男7例、女13例，平均（73.1±5.2）岁。两组基线资料可比（P＞0.05）。
纳入标准：≥65岁；骨密度T值≤-2.5；意识清楚可配合；知情同意。排除标准：严重认知障碍（MMSE评分＜24分）、严重心脑血管疾病/运动畸形、近3个月跌倒/脆性骨折史、无法完成随访。
1.2 方法
1.2.1 智能化评估工具构建
①筛选骨密度、握力等8项核心风险指标；②Z-score标准化处理数据；③基于PCA降维+相对熵优化K-means算法构建风险分级模型；④开发基于智能手机传感器的智能化评估系统（V1.0），实现数据采集、分析及报告生成一体化。
1.2.2 评估方法
对照组：FRAX（中国版）联合单腿站立平衡测试、握力测试综合判定风险，2名资深护士完成评估。观察组：患者手持智能手机完成指定动作，录入实验室数据，系统10min内自动生成评估报告。
1.2.3 随访观察
随访6个月，记录跌倒发生情况，以是否跌倒为金标准验证评估效能。
1.3 评价指标
①效能指标：准确率、灵敏度、特异度；②效率指标：单次评估耗时。
1.4 统计学方法
采用SPSS 26.0软件，计量资料（x±s）用t检验，计数资料[n（%）]用χ²检验，P＜0.05为差异有统计学意义。
2 结果
2.1 两组评估效能比较
随访6个月，40例患者中共发生跌倒6例（15.0%）。观察组评估准确率、灵敏度、特异度均高于对照组，差异有统计学意义（P＜0.05），见表1。
表1 两组评估效能比较 [n（%）]
| 组别 | 例数 | 评估准确例数 | 准确率（%） | 真阳性例数 | 灵敏度（%） | 真阴性例数 | 特异度（%） | χ²值 | P值 |
| 对照组 | 20 | 15（75.0） | 75.0 | 4（70.0） | 70.0 | 11（80.0） | 80.0 | 3.914 | ＜0.05 |
| 观察组 | 20 | 19（95.0） | 95.0 | 5（92.3） | 92.3 | 14（96.7） | 96.7 | 4.332 | ＜0.05 |
| 注：金标准阳性（跌倒）6例，阴性34例 | |||||||||
2.2 两组评估耗时比较
观察组单次评估耗时为（3.2±0.8）min，对照组为（8.5±1.6）min，观察组评估耗时显著短于对照组，差异有统计学意义（t=12.364，P＜0.05）。
表2 两组评估耗时比较
| 组别 | 例数 | 评估耗时 | t值 | P值 |
| 对照组 | 20 | 8.5±1.6 | 12.364 | ＜0.05 |
| 观察组 | 20 | 3.2±0.8 | 12.364 | ＜0.05 |
3 讨论
老年骨质疏松患者跌倒风险评估的核心需求是精准性与高效性，传统评估工具存在明显短板。FRAX工具虽为常用骨折风险评估手段，但未充分纳入跌倒相关的平衡能力、肌肉力量等核心指标，且存在低估国人风险的局限性；单纯平衡测试或握力测试则因指标单一，难以全面反映跌倒风险。本研究构建的智能化评估工具通过多维度指标整合与算法优化，有效弥补了传统方法的不足。
本研究筛选的8项核心指标，全面覆盖骨代谢、肌肉功能等跌倒主要风险来源，通过主成分分析降维简化模型，结合相对熵优化的K-means算法提升分级准确性。临床验证显示，观察组评估准确率、灵敏度、特异度均显著高于对照组，且评估耗时更短，这得益于智能化工具依托智能手机传感器实现数据自动采集、分析及报告生成一体化，大幅简化流程。综上，该智能化评估工具具备精准、高效优势，评估效能优于传统方法，可有效辅助临床跌倒风险筛查与防控，值得推广应用。
参考文献：
[1] 陈茹,马旭,李绍烁,et al.老年骨质疏松症患者骨代谢指标与超声定量参数及骨折风险评估工具预测的相关性分析[J].中国医学装备, 2025, 22(9):62-66.
[2] 赵啸,章振林.基于骨折风险评估工具(FRAX?)的上海地区中老年人骨质疏松性骨折发生风险研究[J].中国全科医学, 2020, 23(19):6.DOI:CNKI:SUN:QKYX.0.2020-19-020.
[3] 孙丽,顾海燕,徐冠华,等.老年骨质疏松症合并肌少症风险评估工具研究进展[J].护理研究, 2023, 37(4):650-654.
[4] 张红霞,杨巧巧,党晨珀,等.骨质疏松患者骨折风险评估工具及分级的研究进展[J].医学信息, 2023, 36(9):184-188.DOI:10.3969/j.issn.1006-1959.2023.09.040.
...