打开APP
userphoto
未登录

开通VIP,畅享免费电子书等14项超值服

开通VIP
衰弱量表四:衰弱指数(Frailty Index)和“十步法”构建流程
userphoto

2024.03.18 黑龙江

关注

    

定义:衰弱指数(frailty indexFI)是老年医学研究中常用的一种衰弱测量工具。它通过对老年人功能下降和疾病损失\缺陷(高血压、步速下降等)的个数进行累加(“缺陷累积法”)而得到一组连续性的分数。并用这些分数的大小代表老人衰弱的程度。

背景:FI2011年由加拿大的Rockwood教授发明的1。目前FI已经广泛的用于社区人群和医院人群衰弱的测定。我们2023年对中国的衰弱研究做了一项荟萃分析,发现FI在我国衰弱研究中的使用最多的量表之一,其和FRID衰弱评估量表一 :Fried 量表FRAIL SCALE衰弱评估量表二 :FRAIL 量表两种量表三分天下2。不过就我们的经验和调研来看FI目前很少用于临床实践。这可能是跟其难操作以及没有固定准则相关。
2023Rookwood团队为提高FI的使用质量,在英国老年医学会会刊上发表了“How to construct a frailty index from an existing dataset in 10 steps”的文章。本文就该文做出注释3
-----------------------------------------
《十步法构建FI

一、选择数据库中每一个可以衡量健康问题的变量。
(1)这些变量不应包括人口、经济、社会、环境和健康行为变量。因为这些变量可单独的协变量考虑。
(2)如果数据是队列数据,要选择每次随访时都一致的变量。
二、移除超过5%缺失值的变量
(1)FI使用的每一个变量的缺失数据不得超过 5%
(2)队列数据的每次调查中,如果有一次调查该数据缺失了5%及以上,那么该变量也不能用。
(3)如果你数据集中的变量实在是缺失的太多,你可以提高阈值到如10%,但是这会影响步骤 8 中计算FI。
三、将每个变量的值从新赋值为0(完全不患病)~1(完全患病)。
(1)该步骤简言之:按照临床意义将变量编为二分类或者有序多分类的变量。如无糖尿病 = 0,糖尿病 = 1。或者:正常BMI=0,超重=0.5,肥胖=1等。
(2)要注意连续变量的分布情况,有的连续变量分布是U型变化,比如体重太高,太低都不好。那么如果体重不足,我们要赋值为几呢?。
四、排除发病率太低或太高的变量。
(1)排除发病率高于80%的变量。排除发病率低于 1%的变量。
(2)或者将其与相关变量合并。例如,如果血管性痴呆和/或阿尔茨海默病的发病率均低于 1%,则将其合并为一个痴呆变量增加发病率。
五、筛选与年龄相关的变量。
(1)FI的定义就是年龄相关变量,因此要求每个变量和年龄要呈现相关性是有必要的。
(2)大样本量的时候可以用和年龄变量的线性回归验证,小样本的时候可以用分组验证。(个人认为着只要有趋势就行,不一定要统计学显著)
(3)如果该变量和年龄相关已经是业界公认的事实,那么,在你的研究中,无论这个变量是否能看到随年龄变化,我们都要纳入这个变量。
(4)有些变量随年龄变化不是线性的,这种变化也叫和年龄相关。
六、去掉相关性太高的变量。
(1)如果俩变量显著的相关(例如 r>0.95),那就删掉其中一个变量吧。
(2)建议删掉缺失值最多的那个变量。
七、 统计剩下的变量。
(1)剩余的变量要多于30 个。
(2)变量要涵盖多个领域(如不仅是疾病),要包含多个生理系统(如不仅是心血管变量)。通常包括测量症状、体征、疾病和功能限制的项目(听着像老年综合评估)。
八、 计算虚弱指数得分。
(1)计算虚弱指数得分的方法是将变量重新编码值的总和除以为该人测量的变量数。例如,在一个包含 50个变量的数据集中,一个人的得分总和为3,有效项目为 48 个(即 2 个项目缺失值),那么他的虚弱指数得分为 0.063/48)。在同一数据集中,如果一个人的评分总和为5.5,且没有缺失值,那么他的虚弱指数得分为 0.115.5/50)。
(2)对于变量缺失超过 20% 的人,不应计算其虚弱指数得分(例如,在有50 个虚弱指数变量的数据集中,缺失值超过10 个变量,则删掉这个人)。
九、 测试FI的特征。
(1)我们构建的虚弱指数都有一些共同的特征:如:与年龄呈正相关;频率分布呈右旋;女性的平均虚弱指数得分高于男性;至少 99% 的样本得分低于 0.7等。您构建的虚弱指数也应具有类似的特征。
(2)不过,在小规模人群样本、临床样本或年龄范围有限的样本中,虚弱指数可能与年龄不相关,呈正态或高斯频率分布,也没有性别差异。如果大多数虚弱指数项目都是基于表现或实验室测试,男性的虚弱指数得分可能会高于女性,也可能没有性别差异。
十、规范使用FI
(1)FI可以作为连续变量使用,也可以作为分类变量使用(一般cutoff=0.1
(2)如果你要发表文章,请报告编码方法、排除变量的原因以及本标准程序的任何变化(例如,使用 8%的缺失数据标准)。

参考文献
[1] Rockwood K, Mitnitski A. Frailty dened by decit accumulation and geriatric medicine dened by frailty. Clin Geriatr Med 2011; 27: 17–26.
[2] Zhou Q, Li Y, Gao Q, Yuan H, Sun L, Xi H, Wu W. Prevalence of Frailty Among Chinese Community-Dwelling Older Adults: A Systematic Review and Meta-Analysis. Int J Public Health. 2023 Aug 1;68:1605964. doi: 10.3389/ijph.2023.1605964.
[3]Age and Ageing 2023; 52: 1–7 https://doi.org/10.1093/ageing/afad221
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请点击举报
打开APP,阅读全文并永久保存 查看更多类似文章
猜你喜欢
类似文章
【热】打开小程序,算一算2024你的财运
统计前的数据预处理,磨刀不误砍柴工
互助问答第608期:关于样本缺失的问题
Heckman两步法 | 样本选择模型 & 处理效应模型
决策树与迭代决策树(GBDT)
玩转Stata | Heckman两阶段-内生性处理利器​
非靶向代谢组学数据处理的基本流程
更多类似文章 >>
生活服务
热点新闻
分享 收藏 导长图 关注 下载文章
绑定账号成功
后续可登录账号畅享VIP特权!
如果VIP功能使用有故障,
可点击这里联系客服!

联系客服