基于貝葉斯網(wǎng)絡(luò)的老年人失能風(fēng)險預(yù)測模型構(gòu)建

陳玲 郝志梅 魏霞霞 汪鳳蘭 景麗偉 邢鳳梅

(華北理工大學(xué) 1管理學(xué)院,河北 唐山 063210; 2護(hù)理與康復(fù)學(xué)院; 3首都醫(yī)科大學(xué)護(hù)理學(xué)院; 4華北理工大學(xué)臨床醫(yī)學(xué)院)

失能主要是指某種組織、功能喪失或者不正常,全部或者部分喪失以正常方式從事某種活動能力的人〔1〕。老年人失能通常是由于年老、疾病、殘疾、智力缺陷造成的身體障礙或認(rèn)知功能障礙,喪失了日常生活自理能力〔2〕。近年來,我國人口老齡化問題日益嚴(yán)峻,失能老年人數(shù)量也在急速增加,據(jù)中國發(fā)展基金會2020年發(fā)布的報告顯示,我國60歲及以上老年人口數(shù)量到2050年時將接近5億人〔3〕,其中失能人口數(shù)量則達(dá)到9 140萬人〔4〕。有研究預(yù)測,我國老年人失能率自2020～2022年上升,2023～2041年呈下降趨勢后將快速上升〔5〕。失能老年人口由于自理能力下降甚至喪失,導(dǎo)致其生活質(zhì)量下降的同時,也進(jìn)一步加重了家庭和社會的負(fù)擔(dān)。2025～2040年,我國老年人失能照護(hù)總費用將增加1.75～2.03倍〔6〕。各國學(xué)者對老年人失能的概念、測量工具、影響因素等多方面進(jìn)行了較為廣泛的探討,但老年人失能預(yù)測的相關(guān)研究較少,本研究利用2018年中國健康與養(yǎng)老追蹤調(diào)查數(shù)據(jù)(CHARLS)探討老年人失能與影響因素之間的相互作用關(guān)系,以貝葉斯網(wǎng)絡(luò)為基礎(chǔ)構(gòu)建老年人失能的預(yù)測模型。

1 資料與方法

1.1資料來源 本研究數(shù)據(jù)來源于CHARLS,該項目由北京大學(xué)國家發(fā)展研究院主持運營,采用科學(xué)抽樣方法收集了代表全國45周歲及以上的中老年家庭和個人的高質(zhì)量微觀數(shù)據(jù),CHARLS全國基線調(diào)查于2011年開展,每兩年追訪1次,本研究使用的是2020年9月公開發(fā)布的第四期全國追訪數(shù)據(jù)CHARLS 2018。選取數(shù)據(jù)庫中60歲及以上的老年人為研究對象,剔除極端值和相關(guān)變量的缺失項后,最終納入5 825例。其中男2 675例,女3 150例。睡眠時間<6 h 3 136例,6～8 h有1 810例,>8 h 579例。患有慢性病2 949例。1 280例有住院史,未做體力活動的老年人699例。使用輔助工具632例。教育程度為小學(xué)及以下較多(75%)。居住在農(nóng)村為4 543例,年齡60～65歲占37%,月支出<3 000元的為90%。

1.2影響因素判定 老年人失能狀況采用日常生活活動(ADL)量表對其進(jìn)行評價,包括穿衣、修飾、吃飯、如廁、控制大小便、上下床6個指標(biāo),每項指標(biāo)分為4級:①沒有困難,②有困難但仍可以完成,③有困難,需要幫助,④無法完成,選擇②或③或④則為該指標(biāo)失能,且6項指標(biāo)中只要有1項指標(biāo)失能則判定為失能〔7〕。通過查閱文獻(xiàn),根據(jù)既往研究結(jié)果確定了13項與老年人失能密切相關(guān)的因素,分別為城鄉(xiāng)、性別、年齡、殘疾、經(jīng)濟(jì)支持、抑郁、睡眠、慢性病、住院情況、體力活動、輔助工具、教育程度和月支出〔8～10〕。在CHARLS 2018數(shù)據(jù)中提取這13項指標(biāo),并按照哈勒姆理論模型將指標(biāo)分成4類進(jìn)行分析〔11〕,分別為社會因素5項(城鄉(xiāng)、性別、年齡、殘疾、經(jīng)濟(jì)支持),壓力因素2項(抑郁、睡眠),個人因素4項(慢性病、住院情況、體力活動、輔助工具),功能性因素2項(教育程度、月支出)。殘疾情況是指老年人是否有軀體殘疾、大腦受損或智力缺陷、失明或半失明、有聾或半聾、有啞或嚴(yán)重口吃5種殘疾的某一種及以上的存在情況。經(jīng)濟(jì)支持是指從未居住在一起的其他不是父母、子女及兄弟姐妹的親戚朋友那里收到的經(jīng)濟(jì)支持。抑郁根據(jù)流調(diào)中心抑郁量表進(jìn)行判斷,采用Likert 4級評分法,得分0～3分,總分為0～30分,分值越高,表示抑郁程度越高,即0～10分為抑郁狀況良好,11～20分為抑郁狀況一般,21～30分為抑郁狀況差。睡眠情況是指過去1個月內(nèi),老年人平均每天晚上真正睡眠時間,分為<6 h,6～8 h,>8 h。慢性病是指老年人是否患有高血壓、血脂異常、糖尿病或血糖升高、癌癥、慢性肺部疾病、肝臟疾病、心臟病、腦卒中、腎臟疾病、胃部疾病或消化系統(tǒng)疾病、情感及精神方面問題、記憶相關(guān)疾病、關(guān)節(jié)炎或風(fēng)濕病、哮喘等14種慢性疾病中的某一種或幾種疾病。住院情況是指老年人過去一年內(nèi),是否有住院史。體力活動分為非常消耗體力的激烈活動(如有氧運動、快速騎車等)、中等強(qiáng)度的體力活動(如打太極拳、疾走等)和輕度體力活動(如散步等)3種,以老年人每周每次運動了至少10 min的活動為標(biāo)準(zhǔn)去衡量是否進(jìn)行了體力活動。輔助工具是指老年人是否使用拐杖、代步器、手動/電動輪椅、導(dǎo)尿管/導(dǎo)尿袋、便攜式坐便器等輔助工具。并確定的各影響因素節(jié)點情況為:失能情況(是=0;否=1);城鄉(xiāng)(城鎮(zhèn)=1;農(nóng)村=2);性別(男=1;女=2);年齡(60～65歲=1;66～70歲=2;71～75歲=3;76～80歲=4;>80歲=5);殘疾情況(是=1;否=2);經(jīng)濟(jì)支持(是=1;否=2);抑郁情況(好=1;一般=2;差=3);睡眠情況(<6 h=1;6～8 h=2;>8 h=3);慢性病(是=1;否=2);住院情況(是=1;否=2);體力活動(未做=1;做1項=2,做2項=3;做3項及以上=4);輔助工具(是=1;否=2);教育程度(文盲=1;私塾=2;小學(xué)=3;中學(xué)=4,高中及以上=5);月支出(<3 000元=1;3 000～6 000元=2;>6 000元=3)。

1.3研究方法 以貝葉斯網(wǎng)絡(luò)為基礎(chǔ)構(gòu)建老年人失能的預(yù)測模型,貝葉斯網(wǎng)絡(luò)是1個由節(jié)點和有向邊(箭頭)共同構(gòu)成表示變量間概率依賴關(guān)系的有向無環(huán)圖(DAG)。節(jié)點代表隨機(jī)變量,有向邊代表變量間的概率依賴關(guān)系,兩個節(jié)點間有箭頭連接說明兩者間的概率依賴有直接的潛在因果關(guān)系,各節(jié)點均受其父節(jié)點的影響,即父節(jié)點代表原因,子節(jié)點代表結(jié)果,每個節(jié)點屬性所對應(yīng)的條件概率表(CPT)表示事件變量間關(guān)系的強(qiáng)度〔12〕。模型構(gòu)建過程分為4個步驟:①確定貝葉斯網(wǎng)絡(luò)節(jié)點;②結(jié)構(gòu)學(xué)習(xí);③參數(shù)學(xué)習(xí);④網(wǎng)絡(luò)評價,使用軟件為GeNIe2.3。

2 結(jié) 果

2.1結(jié)構(gòu)學(xué)習(xí)與參數(shù)學(xué)習(xí) 將影響因素與結(jié)果之間的相關(guān)性進(jìn)行人工連接,用GeNIe 2.3中Bayesian Search構(gòu)建網(wǎng)絡(luò)模型,表達(dá)各影響因素與老年人失能的關(guān)系。5 825例樣本中失能老年人1 705例,失能率為29.3%。對5 825例研究對象進(jìn)行結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí),構(gòu)建了包含14個節(jié)點,28條有向邊的老年人失能影響因素的貝葉斯網(wǎng)絡(luò)模型,并獲得老年人失能風(fēng)險的先驗概率網(wǎng)絡(luò)圖,見圖1。結(jié)果顯示城鄉(xiāng)、性別、年齡、殘疾、經(jīng)濟(jì)支持、抑郁、睡眠、慢性病、住院情況、體力活動、輔助工具、教育程度、支出和失能之間存在有向弧連接,均指向失能,表示城鄉(xiāng)、性別等13個因素與失能之間有著潛在的因果關(guān)系,各因素節(jié)點的條件概率估計結(jié)果則反映了影響因素與老年人失能情況間的影響強(qiáng)度。

2.2貝葉斯網(wǎng)絡(luò)更新推理 為了驗證影響老年人失能的因素指標(biāo),將失能的狀態(tài)設(shè)置為100%失能,通過自動更新(Automatic Updating)對貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖進(jìn)行再構(gòu)建,整個網(wǎng)絡(luò)節(jié)點的概率發(fā)生變化。當(dāng)老年人失能狀況為100%失能時,與圖1結(jié)果相比,居住地為城市的概率由22%增加至23%,女性概率由上升了3%,此外,年齡在80歲以上,殘疾、經(jīng)濟(jì)支持、抑郁狀況差、患慢性病、住院、未參加體力活動、使用輔助工具、教育程度為文盲、支出<3 000元的概率均有所增加,見圖1。

2.3貝葉斯網(wǎng)絡(luò)評價 建立模型的第四階段為繪制受試者工作特征(ROC)曲線,通過計算靈敏度、特異度和曲線下面積(AUC)評價模型的預(yù)測效果。如圖2顯示,ROC曲線下面積為0.667,說明所構(gòu)建的貝葉斯網(wǎng)絡(luò)模型靈敏度、特異度較高,能較好地反映各節(jié)點之間的關(guān)系。

2.4貝葉斯網(wǎng)絡(luò)模型下失能風(fēng)險預(yù)測 運用貝葉斯網(wǎng)絡(luò)對老年人失能情況進(jìn)行風(fēng)險預(yù)測,根據(jù)GeNIe2.3軟件構(gòu)建的貝葉斯網(wǎng)絡(luò)模型,點擊相應(yīng)節(jié)點添加證據(jù)信息即對老年人發(fā)生的失能風(fēng)險進(jìn)行判定。社會因素中失能率較高的主要是居住在農(nóng)村、女性、年齡75～80歲,殘疾和具有經(jīng)濟(jì)支持的老年人,壓力因素中失能率較高的是抑郁狀況差、睡眠時間<6 h的老年人。個人因素中失能率較高的是患有慢性病、有住院經(jīng)歷、未參加體力活動和使用輔助工具的老年人,功能性因素中失能率較高的是教育程度為文盲、支出<3 000元的老年人。老年人在社會因素、壓力因素、個人因素和功能性因素中分別以其所包含的因素中失能率較高的指標(biāo)作為參考依據(jù),使四類影響因素中的各個指標(biāo)失能結(jié)果分別成為已知信息,則其發(fā)生失能的風(fēng)險分別為51%、60%、66%、36%,見圖3。

圖3 貝葉斯網(wǎng)絡(luò)模型下老年人失能風(fēng)險預(yù)測功能性因素

3 討 論

老年人失能人數(shù)逐漸攀升,失能程度的不斷加重,本次研究結(jié)果顯示,我國60歲及以上老年人的失能率為29.3%。一項以中國老年健康影響因素跟蹤調(diào)查(CLHLS)2018年數(shù)據(jù)為基礎(chǔ)的調(diào)查結(jié)果顯示,老年人的失能率26.6%〔13〕,與本研究相近。針對老年人失能的影響因素,目前國內(nèi)學(xué)者多注重分析性別、年齡、慢性病、城鄉(xiāng)等單個因素對老年人失能的影響〔9,13〕,如患有抑郁癥的老年人失能率較高,其OR值為1.178〔8〕,高會瑩等〔14〕在探討相關(guān)因素對老年患者失能的影響路徑時發(fā)現(xiàn),教育程度是導(dǎo)致老年人失能的間接影響因素。米紅等〔15〕采用生物-心理-社會醫(yī)學(xué)模式從生物(性別、年齡)、心理(孤獨感、自評健康狀況)、社會(婚姻、城鄉(xiāng))3個不同維度對老年人健康狀況的影響因素進(jìn)行分析,結(jié)果顯示老年人失能主要受社會維度的變量影響。

模型的ROC曲線下面積大于0.5即表示該診斷實驗具有一定的診斷價值,當(dāng)ROC AUC越接近1,證明診斷試驗的真實性越好,本研究結(jié)果表明,該網(wǎng)絡(luò)模型靈敏度和特異度較高,能較好地反映各節(jié)點之間的關(guān)系。根據(jù)貝葉斯網(wǎng)絡(luò)的更新推理發(fā)現(xiàn),當(dāng)老年人失能的狀態(tài)設(shè)定為100%失能時,相應(yīng)的導(dǎo)致老年人失能的影響因素的概率也會有所增加,由此也進(jìn)一步驗證了所選取變量是有意義的。

貝葉斯網(wǎng)絡(luò)分析中,納入節(jié)點的數(shù)目對網(wǎng)絡(luò)結(jié)構(gòu)和規(guī)模有著直接影響,節(jié)點越多,其結(jié)構(gòu)學(xué)習(xí)時間越長。本研究結(jié)果顯示,4項因素中個人因素對失能的影響較大。因而,預(yù)防老年人失能和失能程度的加深,更應(yīng)著重關(guān)注老年人的個人因素方面。

綜上,基于貝葉斯網(wǎng)絡(luò)構(gòu)建的老年人失能的預(yù)測模型具有較好的預(yù)測能力,利用模型進(jìn)行風(fēng)險推理,對于發(fā)生失能風(fēng)險較高的因素應(yīng)盡早采取針對性的干預(yù)措施,減少老年人失能情況的發(fā)生,降低老年人失能率。