预测跌倒：反复跌倒史和双重任务障碍成为COPD的主要风险因素

亮点

慢性阻塞性肺疾病（COPD）越来越多地被视为一种全身性疾病，其中跌倒风险显著增加，但准确预测仍是一项挑战。最近的一项研究建立了一个临床预测模型，主要发现如下：

• 大约42%的COPD患者在12个月的前瞻性随访期内至少发生过一次跌倒。
• 最终的预测模型确定了三个稳健的因素：过去一年内两次或多次跌倒史、慢性疾病数量较多，以及Timed Up and Go Dual-Task (TUG-DT)测试表现差。
• 反复跌倒史（≥2次）是最强的预测因子，使未来跌倒的风险增加了3.5倍以上。
• 该模型表现出良好的区分度（c统计量0.69）和优秀的校准度，为临床筛查提供了基础。

背景：COPD的系统性负担和跌倒风险

尽管COPD主要由气流受限定义，但其全身表现——包括骨骼肌功能障碍、营养不良和心血管合并症——对身体功能产生了深远影响。在这些表现中，跌倒是一个关键但常被忽视的并发症。COPD人群中的跌倒导致了一系列灾难性的后果：髋部骨折、头部受伤、住院率增加，以及因害怕跌倒而引发的身体不活动，进而导致进一步的呼吸功能下降。

尽管这一人群中跌倒的高发率，临床医生缺乏一个经过验证的、特定的工具来识别哪些患者处于最高风险。一般的老年跌倒风险评估可能无法完全捕捉COPD特有的生理压力，如运动时呼吸困难和增加的呼吸工作引起的认知-运动干扰。Nguyen等领导的这项研究旨在通过开发和内部验证一个针对的临床预测模型来填补这一空白。

研究设计和方法学

研究人员使用了一项近期跌倒预防试验（NCT02995681）的数据进行了二次分析。研究对象包括178名确诊为COPD的参与者。纳入标准为报告12个月内的跌倒史、平衡问题或近期近乎跌倒的情况。该队列随后被前瞻性跟踪12个月以记录跌倒事件。

基线评估全面覆盖了人口统计学、平衡、移动能力和总体健康状况。研究人员最初考虑了17个候选预测因子。为了精炼模型，他们采用了向后选择多元逻辑回归。因变量为跌倒状态（分为无跌倒和一次或多次跌倒）。

为确保模型的可靠性，采用bootstrap重抽样方法进行内部验证。性能评估基于以下指标：

• 区分度：

  通过一致性（c）统计量测量，表示模型区分跌倒者与非跌倒者的能力。

• 校准度：

  通过预期与实际（E:O）比率、大样本校准（CITL）和校准斜率评估，确保预测概率与实际观察结果一致。

主要发现：识别高风险特征

研究队列的平均年龄为73岁（±9），性别分布接近均等（83名女性）。在12个月的随访期内，74名参与者（42%）报告至少发生过一次跌倒，整个群体共记录了188次跌倒。这一高发病率凸显了这一患者群体的脆弱性。

多变量分析将17个候选预测因子缩小到三个具有统计学意义的因素：

1. 反复跌倒史（两次的力量）

报告过去12个月内有两次或多次跌倒史的参与者风险最高。比值比（OR）为3.59（95% CI 1.65至7.82）。这表明反复跌倒不仅仅是孤立事件，而是持续的生理或环境不稳定性的标志。

2. 多病共存（慢性疾病数量）

慢性疾病的数量也是一个重要的预测因子（OR 1.14，95% CI 1.01至1.28）。这反映了系统性疾病对虚弱的累积影响。在COPD中，糖尿病、心血管疾病和骨质疏松症等合并症往往共存，每种疾病都会导致姿势控制和补偿机制的下降。

3. Timed Up and Go Dual-Task (TUG-DT)得分

TUG-DT测试要求参与者在行走时执行认知任务（如倒数），是关键的预测因子（OR 1.04，95% CI 1.00至1.09）。这一发现突显了认知-运动干扰的作用。COPD患者通常需要更多的注意力来维持平衡和管理呼吸困难；当引入次要的认知任务时，他们的步态稳定性会受到影响。

专家评论：为何双重任务和合并症重要

最终模型中包含TUG-DT得分提供了重要的机制见解。在临床实践中，我们经常在真空中评估移动能力，但现实世界中的行走涉及同时的认知需求——穿越人群、阅读标志或交谈。在COPD中，注意力的“容量共享”模型常常受到压力。大脑必须优先处理高机械工作量的呼吸和呼吸困难的感觉处理，留给姿势稳定性的神经资源较少。TUG-DT有效地捕捉了这种“注意力的脆弱性”。

此外，强调多病共存符合COPD作为多器官虚弱综合征组成部分的演变观点。临床医生不应仅通过肺功能（FEV1）的视角来评估COPD患者的跌倒风险，因为传统的肺部指标通常与跌倒事件的相关性较差。相反，疾病的总负担和既往不稳定的病史更具预测性。

模型性能和验证

模型的内部验证结果令人鼓舞。c统计量0.69（95% CI 0.61至0.78）对于临床预测模型而言，尤其是在像COPD这样复杂的群体中，被认为是“可接受”的。校准指标非常优秀：E:O比率为1.01，CITL为-0.01，表明模型不会系统性地过高或低估风险。调整乐观性后的校准斜率为0.93，表明模型稳健，可能在类似队列中表现良好。

临床意义和实践差距

对于临床医生而言，这些发现建议改变我们在肺康复和门诊诊所筛查跌倒的方式。与其对每个患者进行详尽的平衡测试，分层方法可能更高效：

• 筛查问题：

  具体询问过去一年内的跌倒次数。如果回答两次或更多跌倒，应立即归类为高风险。

• 合并症审计：

  审查慢性疾病的总数。多病共存较高的患者需要综合的治疗路径，包括物理治疗。

• 双重任务挑战：

  在标准TUG测试中加入简单的认知挑战。如果患者在认知负荷下移动能力显著下降，他们需要特定的双重任务训练干预。

该研究的主要局限性是需要外部验证。虽然内部验证成功，但模型必须在不同的地理和临床环境中（例如初级保健与三级肺中心）进行测试，以确认其普遍适用性。

结论

这一临床预测模型的开发标志着COPD护理中个性化医学的重要一步。通过确定反复跌倒史、合并症负担和双重任务移动能力受损是跌倒风险的主要驱动因素，医疗保健提供者可以更好地分配资源给最需要的人。将这三个简单的评估——反复跌倒史、合并症计数和TUG-DT——纳入常规临床实践，可以显著减少跌倒的发生，提高COPD患者的生活质量。

资助和注册

本研究得到了多个卫生研究机构的支持，并作为clinicaltrials.gov（NCT02995681）注册试验的二次分析进行。详细的资助信息可以在原始出版物中找到。

参考文献

Nguyen KT, Brooks D, Macedo LG, 等. 开发COPD患者跌倒的临床预测模型. BMJ Open Respir Res. 2025年12月25日;12(1):e002556. doi: 10.1136/bmjresp-2024-002556. PMID: 41448796.