目的探讨恶性血液病患者发生跌倒的危险因素,构建风险预测模型,为预防跌倒提供参考。方法2021年6月至2022年6月,采用便利抽样法选取山东省某三级甲等医院住院的恶性血液病患者411例为研究对象,分析跌倒的危险因素,并建立跌倒风险预测模...目的探讨恶性血液病患者发生跌倒的危险因素,构建风险预测模型,为预防跌倒提供参考。方法2021年6月至2022年6月,采用便利抽样法选取山东省某三级甲等医院住院的恶性血液病患者411例为研究对象,分析跌倒的危险因素,并建立跌倒风险预测模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under curve,AUC),评估风险预测模型区分度与校准度。结果调查期间发生跌倒事件9例,近乎跌倒事件54例。恶性血液病患者跌倒风险预测模型纳入近3个月跌倒史、疾病诊断、腹泻、疼痛、骨髓抑制天数等5个预测因子。内部验证显示AUC为0.840[95%CI(0.880~0.732)];外部验证显示AUC为0.802[95%CI(0.866~0.727)]。结论构建的恶性血液病患者发生跌倒的危险预测模型预测效果好,可帮助医护人员识别跌倒高风险人群。展开更多
文摘目的探讨恶性血液病患者发生跌倒的危险因素,构建风险预测模型,为预防跌倒提供参考。方法2021年6月至2022年6月,采用便利抽样法选取山东省某三级甲等医院住院的恶性血液病患者411例为研究对象,分析跌倒的危险因素,并建立跌倒风险预测模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under curve,AUC),评估风险预测模型区分度与校准度。结果调查期间发生跌倒事件9例,近乎跌倒事件54例。恶性血液病患者跌倒风险预测模型纳入近3个月跌倒史、疾病诊断、腹泻、疼痛、骨髓抑制天数等5个预测因子。内部验证显示AUC为0.840[95%CI(0.880~0.732)];外部验证显示AUC为0.802[95%CI(0.866~0.727)]。结论构建的恶性血液病患者发生跌倒的危险预测模型预测效果好,可帮助医护人员识别跌倒高风险人群。
