數據挖掘在住院患者跌倒風險防控中的應用

□ 潘倩霞 PAN Qian-xia 黃霞光 HUANG Xia-guang 沈俊俊 SHEN Jun-jun

院內跌倒是住院患者經常出現的不良事件，尤其是老年住院患者。研究表明，大約20%～30%的院內跌倒導致的傷害需要醫療干預，其中3%～5%是骨折。部分跌倒患者導致跌倒后綜合征、長期殘疾、喪失獨立生活能力等，不僅給患者身心帶來傷害，增加患者痛苦，還增加了患者家庭、醫療機構和社會的負擔[1-2]。因此，研究評估跌倒風險的工具以評估住院患者跌倒風險，以便采取有效預防措施，避免跌倒的發生[3-4]。研究表明，目前常見的跌倒風險評估工具均不能準確地識別跌倒風險[5]。隨著信息技術在醫院管理中的應用，醫院積累了大量的患者數據，為疾病及影響因素分析奠定了基礎[6]。本研究擬采用Apriori算法對記錄于我院信息系統中的跌倒事件進行數據挖掘，深入探討可能造成跌倒的風險因素，以便制定出有針對性的防范措施。

資料與方法

1.資料來源。收集我院2016年3月1日至2019年5月31日醫院信息系統中記錄的跌倒事件的患者數據。納入標準：(1)年齡＞18歲，(2)意外導致的院內跌倒。排除標準：(1)癲癇、偏癱或暴力等導致的跌倒，(2)資料存在嚴重缺失，無法補充完整的患者。患者數據包括患者住院號、姓名、性別、年齡、入院診斷、既往病史、跌倒史，跌倒發生前患者的生命體征、意識、血糖、有無靜脈治療(靜脈輸液和導管等)、有無使用易導致跌倒的藥物、身體質量指數(Body Mass Index， BMI)、日常生活活動能力(Activities of Daily Living， ADL)、住院患者跌倒風險評分(住院患者跌倒風險評估量表進行評估)、步態、有無陪護、跌倒發生的時間、地點、跌倒導致的傷害等。共計收集符合條件的病例記錄256例。

2.數據前期處理。根據“正常/是=1、異常/否=0”，將連續型數據轉化為離散型數據。數據前期處理后共獲得1640項數據，包括：年齡≥65歲、男性、疾病診斷＞1個、高血壓史、腦血管意外史、跌倒史，跌倒發生前患者的血壓異常、血糖異常、意識障礙、有靜脈輸液、有導管、使用易導致跌倒的藥物、BMI異常、ADL三級或四級、住院患者跌倒風險評分≥4分、步態不穩、無陪護、跌倒發生在夜間、跌倒導致的傷害等。

3.數據挖掘。采用Apriori算法進行關聯規則的數據挖掘。兩項變量間存在某種相關性關系即視這兩項變量存在關聯規則，這兩項變量也被稱作前后項。最小支持度、最小置信度和作用度被用來判定關聯規則，支持度反映關聯規則的重要性，置信度反映可信程度，作用度反映具有前項對后項的影響程度。若前后項間的關聯規則既滿足最小支持度，也滿足最小置信度，則稱這兩項變量間的關聯規則為強關聯[7]。本研究前期處理的數據類別和數量較多，因此Apriori算法中的最小支持度設定為10%～20%，最小置信度設定為60%。數據挖掘流程詳見圖1。

圖1 數據挖掘流程

4.統計學方法。采用SPSS21.0進行數據統計。計量資料用均數±標準差(±s)表示，計數資料用百分比表示；置信度為計數資料，采用χ2檢驗進行統計分析，p＜0.05表示差異具有統計學意義。

結果

1.對一般資料的分析。本研究納入的256例跌倒患者平均年齡為63.52±11.63歲，其中130例導致傷害，126例未導致傷害。其他一般資料詳見表1。

2.關聯規則分析結果。首過通過Apriori算法得出前后項的關聯規則及支持度、置信度和作用度；再對前后項進行χ2檢驗；之后由3名護理專業副教授對結果進行邏輯分析，共得出12項強關聯規則。單項強關聯規則共8項(規則1～8)，雙向強關聯規則共2對(規則9～12)，詳見表2。

表1 患者一般資料

討論

1.預防夜間跌倒的發生。本研究結果顯示，年齡≥65歲、有高血壓史合并ADL三級或四級、糖尿病史合并步態不穩的患者易發生夜間跌倒。年齡≥65歲的患者由于膀胱功能退化，在夜間起床去衛生間的次數增多，且夜間病房和衛生間光線不足，患者容易發生跌倒[8]；同時夜間起床時，由于體位性血壓改變，也會增加夜間跌倒的發生率[9]。有高血壓史的患者由于腦部供血問題，易出現頭暈、四肢乏力等癥狀，且高血壓患者多需要聯合用藥[10]。本結果顯示，有高血壓史和使用易導致跌倒藥物呈雙向強相關性。因此，高血壓患者更易發生夜間跌倒。同時ADL三級或四級的患者處于需要照顧但又基本可以自理的過渡期，因此患者及其照顧者對跌倒的重視度下降，增加跌倒的發生[11]。糖尿病患者的代謝紊亂，且下肢血液循環障礙和感覺缺失，極易出現步態紊亂等癥狀，易發生跌倒[12]。因此，醫護人員在患者住院時，應著重關注年齡≥65歲、有高血壓史和ADL三級或四級、糖尿病史和步態不穩的患者，對患者及家屬加強院內跌倒的宣教，同時將該類患者列入夜間跌倒的高危人群，重點關注和防范夜間跌倒的發生。

2.預防再次跌倒的發生。本研究結果顯示，年齡≥65歲和夜間發生過跌倒、步態不穩、疼痛的患者更易出現再次跌倒。研究表明[13-16]，步態不穩的患者出現跌倒的幾率是普通患者的4倍，年齡≥65歲合并夜間發生跌倒的患者和疼痛患者也會增加再次跌倒的危險性；有跌倒史的患者由于機體平衡功能和應激反應能力的下降，其發生跌倒的危險性是一般患者的4.7倍。因此，醫護人員應在患者住院時，將年齡≥65歲、步態不穩和有跌倒史的患者列入跌倒高危人群，通過各種形式對患者及家屬加強跌倒防范的宣教，提高患者及家屬的自我保護意識，同時對疼痛患者做好跌倒防范宣教和指導。

3.增加對多疾病診斷患者的關注。研究顯示，ADL三級或四級合并使用易導致跌倒的藥物與疾病診斷＞1個呈強相關性，年齡≥65歲與疾病診斷＞1個呈雙向強相關。ADL三級或四級合并使用易導致跌倒的藥物及年齡≥65歲的患者多合并有多種疾病。而奚桓等[17]研究表明，疾病診斷數量會增加患者跌倒的危險性，疾病診斷數量越多，患者由于疾病的影響，會降低對周圍環境的危險因素的關注和應激反應能力，增加跌倒的發生。目前關于跌倒風險的評估工具中，只有少數評估量表會關注疾病診斷數量這一指標。因此，后期關于跌倒風險的評估中，應增加關于疾病診斷數量的評估。

綜上所述，本研究通過數據挖掘發現，醫護人員應預防患者夜間跌倒和再次跌倒的發生，增加對多疾病診斷患者的關注。本研究的數據來源較局限，今后研究可以通過更多醫院的數據共享，對院內跌倒的數據進行全面的挖掘，以獲得更加全面和深層次的危險因素和潛在因素，為制定跌倒防范系統提供理論基礎。

表2 跌倒關聯規則分析結果