Page 53 - 2022-25-中国全科医学

·3122· http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn

·论著·

养老机构衰弱老年人躯体症状群轨迹

及影响因素的纵向研究

扫描二维码
*
吴晨曦，高静 ，廖琴，何佳丽 查看原文

【摘要】 背景 衰弱老年人的躯体症状群可增加不良结局风险，我国相关研究以横断面为主，忽视了对衰弱老
年人躯体症状群变化轨迹的探讨。目的 探讨成都市养老机构衰弱老年人不同时间点躯体症状群的变化轨迹及其影响
因素。方法 2019 年 11 月至 2020 年 1 月，采用便利抽样法选取成都市 6 所养老机构的 206 例衰弱老年人作为研究对象，
分别在基线（T0）、6 个月（T1）、12 个月（T2）时采用一般资料调查表、记忆症状评估量表（MSAS）对其进行调查。
对不同时间点上发生率≥ 20% 的症状进行探索性因子分析，使用潜变量增长混合模型（LGMM）识别养老机构衰弱老
年人躯体症状群在 3 个时间点的变化轨迹，采用 Logistic 回归分析识别轨迹类别的影响因素。结果 探索性因子分析
在 3 个时间点均分别提取了 5 个因子，3 个时间点均有神经系统症状群、能量不足症状群、呼吸道症状群及消化道症
状群，此外，T0 和 T1 还包含衰老相关症状群，T2 还包含其他症状群。3 个时间点上各症状群 MSAS 得分比较，差异
有统计学意义（P<0.05）。LGMM 拟合得到“高下降”“低上升”“中维持”“高上升”4 条躯体衰弱症状异质性轨迹，
4 条轨迹占比分别为 16.5%、12.5%、66.0%、5.0%。多因素 Logistic 回归分析结果显示，患慢性病数量多是“高下降”
和“高上升”轨迹的独立预测因素，服药种类多是“高上升”轨迹的独立预测因素（P<0.05）。结论 养老机构衰弱
老年人的躯体症状群存在不同变化轨迹，且不同轨迹的独立预测因素不相同，养老机构医务人员可根据其症状群变化
轨迹及独立预测因素动态调整护理措施，为其提供更为精准的护理服务。
【关键词】 衰弱；老年人；养老机构；躯体症状群；发展轨迹；影响因素分析
【中图分类号】 R 364 【文献标识码】 A DOI：10.12114/j.issn.1007-9572.2022.0261
吴晨曦，高静，廖琴，等 . 养老机构衰弱老年人躯体症状群轨迹及影响因素的纵向研究［J］. 中国全科医学，
2022，25（25）：3122-3129.［www.chinagp.net］
WU C X，GAO J，LIAO Q，et al. Trajectories and influencing factors of somatic symptom clusters in frail elderly people in
nursing homes：a longitudinal study［J］. Chinese General Practice，2022，25（25）：3122-3129.

Trajectories and Influencing Factors of Somatic Symptom Clusters in Frail Elderly People in Nursing Homes：a
*
Longitudinal Study WU Chenxi，GAO Jing ，LIAO Qin，HE Jiali
School of Nursing，Chengdu University of Traditional Chinese Medicine，Chengdu 611137，China
*
Corresponding author：GAO Jing，Professor，Doctoral supervisor；E-mail：729012934@qq.com
【Abstract】 Background The somatic symptom clusters may be associated with increased risk of adverse outcomes in
frail elderly people. Relevant studies in China have mainly adopted a cross-sectional design with neglect of the trajectory of somatic
symptom clusters in this group. Objective To explore the characteristics of somatic symptom clusters at different time points
and influencing factors in elderly people with frailty in nursing homes in Chengdu. Methods From November 2019 to January
2020，206 frail elderly people were selected from 6 nursing homes in Chengdu by convenience sampling，and surveyed using
the general data questionnaire and Memory Symptom Assessment Scale（MSAS） for 3 times〔at baseline（T0），6（T1），
and 12 months later（T2）〕. Exploratory factor analysis was carried out for symptoms with an incidence of ≥ 20% at different
time points. Latent growth mixture model（LGMM） was used to identify the change trajectory of somatic symptom clusters across
the above-mentioned three time points. Logistic regression analysis was used to identify the potential factors associated with the
trajectory category. Results By exploratory factor analysis，5 factors were extracted at each of the three time points. Neurological
symptom cluster，energy deficiency symptom cluster，respiratory symptom cluster and digestive symptom cluster all appeared

基金项目：四川省社会科学界联合会规划项目（22RK027）——大数据视域下老年人常见健康问题精准化健康管理服务体系构建；
四川省社会科学界联合会规划项目（22RK041）——基于知识图谱的衰弱问答系统的研究与应用
611137 四川省成都市，成都中医药大学护理学院
*
通信作者：高静，教授，博士生导师；E-mail：729012934@qq.com
本文数字出版日期：2022-07-21