脑卒中患者残疾危险因素的meta分析

doi:10.3969/j.issn.1004-583X.2023.02.002

摘要/Abstract

摘要：

目的通过meta分析探讨脑卒中患者残疾的影响因素。方法系统检索中国知网、万方数据知识服务平台、维普网、中国生物医学文献数据库、PubMed、EmBase、Cochrane Library、Web of Science数据库,检索时限为建库至2022年8月8日,使用RevMan 5.3进行meta分析。结果共纳入13篇文献,包括47项相关因素,最终纳入6项危险因素。Meta分析结果显示糖尿病[OR=1.41, 95% CI=(1.32-1.52)]、NIHSS评分[OR=1.46, 95% CI=(1.17-1.82)]、年龄[OR=1.12, 95% CI=(1.02-1.23)]、性别[OR=1.93, 95% CI=(1.45-2.57)]、发作次数[OR=1.70, 95% CI=(1.41-2.04)]、婚姻[OR=1.81, 95% CI=(1.08-3.02)]是脑卒中患者残疾的危险因素。结论糖尿病、NIHSS评分、年龄、性别、发作次数、婚姻是脑卒中患者发生残疾的危险因素。

关键词: 卒中, 残疾, 危险因素, meta分析

Abstract:

Objective To investigate the disability risk factors in stroke patients via meta-analysis. Methods We searched databases of CNKI, Wanfang, VIP, CBM, PubMed, EmBase, Cochrane Library, and Web of Science from the establishment of the database to August 8, 2022. A meta-analysis was performed using RevMan 5.3. Results A total of 13 articles representing 47 related factors and 6 risk factors were included. Meta-analysis results showed that diabetes (OR=1.41, 95% CI=[1.32-1.52]), National Institutes of Health Stroke Scale (NIHSS) score (OR=1.46, 95% CI=[1.17-1.82]), age (OR=1.12, 95% CI=[1.02-1.23]), gender (OR=1.93, 95% CI=[1.45-2.57]), onset frequency (OR=1.70,95% CI=[1.41-2.04]) and marriage (OR=1.81, 95% CI=[1.08-3.02] were disability risk factors in stroke patients. Conclusion Diabetes mellitus, NIHSS score, age, gender, hypertension, onset frequency, and marriage are disability risk factors in stroke patients.

Key words: stroke, disability, risk factors, meta-analysis

中图分类号:

R743

马宏莉, 陆皓, 王丹, 焦海星, 李一珂, 李思雨, 吕静. 脑卒中患者残疾危险因素的meta分析[J]. 临床荟萃, 2023, 38(2): 111-116.

Ma Hongli, Lu Hao, Wang Dan, Jiao Haixing, Li Yike, Li Siyu, Lu Jing. Meta-analysis of disability risk factors in stroke patients[J]. Clinical Focus, 2023, 38(2): 111-116.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://huicui.hebmu.edu.cn/CN/10.3969/j.issn.1004-583X.2023.02.002

https://huicui.hebmu.edu.cn/CN/Y2023/V38/I2/111

图/表 13

参考文献 32

[1]	李艳青, 吴红霞, 王慧敏, 等. 卒中后残疾风险预测模型的构建与验证[J]. 中国医学创新, 2021, 18(10):159-163.
[2]	国务院办公厅关于印发国家残疾预防行动计划(2021—2025年)的通知[J]. 中华人民共和国国务院公报, 2022, 1757(2):8-15.
[3]	张永巍, 刘建民. 加强脑卒中防治,落实国家减少百万新发残疾工程[J]. 第二军医大学学报, 2022, 43(1):1-4.
[4]	Stang A. Critical evaluation of the Newcastle-Ottawa scale for the assessment of the quality of nonrandomized studies in meta-analyses[J]. Eur J Epidemiol, 2010, 25(9):603-605. doi: 10.1007/s10654-010-9491-z pmid: 20652370
[5]	曾宪涛, 刘慧, 陈曦, 等. Meta分析系列之四:观察性研究的质量评价工具[J]. 中国循证心血管医学杂志, 2012, 4(4):297-299.
[6]	Kaarisalo MM, Räihä I, Sivenius J, et al. Diabetes worsens the outcome of acute ischemic stroke[J]. Diabetes Res Clin Prac, 2005, 69(3):293-298. doi: 10.1016/j.diabres.2005.02.001 URL
[7]	钟海珍, 高颖. 与发病3个月致残相关的缺血性中风急性期四诊信息的筛选[J]. 辽宁中医杂志, 2009, 36(5):708-710.
[8]	钟海珍, 马斌, 高颖. 缺血性中风患者发病3个月致残因素初探[J]. 中国中医基础医学杂志, 2010, 16(1):47-50.
[9]	刘敏, 刘宏军, 方向华, 等. 北京市社区卒中后三个月的残疾情况及其影响因素[J]. 中国脑血管病杂志, 2013, 10(5):250-254.
[10]	李慧慧, 刘宏军, 方向华, 等. 北京市社区卫生服务机构缺血性脑卒中残疾情况及其影响因素[J]. 中国康复, 2015, 30(2):151-154.
[11]	王班, 关天嘉, 尤莉莉, 等. 我国缺血性脑卒中残疾情况及其影响因素分析[J]. 中国全科医学, 2016, 19(2):216-219.
[12]	戴征, 朱武生, 姜永军, 等. 急性脑梗死患者伴随疾病和并发症对住院时间与致残性的影响[J]. 中华老年心脑血管病杂志, 2017, 19(9):922-925.
[13]	李娟, 吕雨梅, 周郁秋, 等. 大庆市住院脑卒中患者残疾状况及影响因素研究[J]. 中国康复医学杂志, 2017, 32(12):1376-1381.
[14]	赵一莎, 吕雨梅, 周郁秋, 等. 大庆市社区脑卒中患者残疾状况及影响因素分析[J]. 护理学杂志, 2017, 32(1):82-85.
[15]	姜岩, 逄冬. 脑卒中病人发生残疾的影响因素分析[J]. 护理研究, 2019, 33(12):2130-2133.
[16]	田洋, 余茜. 成都主城区社区脑卒中患者残疾率及其相关因素分析[J]. 中国康复医学杂志, 2019, 34(11):1361-1364.
[17]	张博强, 井丽, 田园梦, 等. 辽宁省农村40岁及以上脑卒中患者残障现状及其相关影响因素分析[J]. 中国公共卫生, 2020, 36(3):331-335.
[18]	Lee J, Meijer E, Phillips D, et al. Disability incidence rates for men and women in 23 countries: Evidence on health effects of gender inequality[J]. J Gerontol A Biol Sci Med Sci, 2021, 76(2):328-338. doi: 10.1093/gerona/glaa288 URL
[19]	Zheng PP, Guo ZL, Du XJ, et al. Prevalence of disability among the Chinese older population: A systematic review and meta-analysis[J]. Int J Environ Re Public Health, 2022, 19(3):1656.
[20]	Vincent-Onabajo GO, Hamzat TK, Owolabi MO. Are there gender differences in longitudinal patterns of functioning in Nigerian stroke survivors during the first year after stroke[J]. NeuroRehabilitation, 2014, 4(2):297-304.
[21]	Hankey GJ. Long-term outcome after ischaemic stroke/transient ischaemic attack[J]. Cerebrovasc Dis, 2003, 16(Suppl 1):14-19.
[22]	Monin JK, Laws H, Gahbauer E, et al. Spousal influences on monthly disability in late-life marriage in the precipitating events project[J]. J Gerontol B Psychol Sci Soc Sci, 2021, 76(2):283-288. doi: 10.1093/geronb/gbaa006 pmid: 31956899
[23]	Malini MH. Impact of support group intervention on family system strengths of rural caregivers of stroke patients in India[J]. Aust J Rural Health, 2015, 23(2):95-100. doi: 10.1111/ajr.12126 pmid: 25866092
[24]	王梦婷. 社会支持理论视角下残疾人婚姻问题研究[D]. 安徽大学, 2021.
[25]	Fong JH. Disability incidence and functional decline among older adults with major chronic diseases[J]. BMC Geriatr, 2019, 19(1):323. doi: 10.1186/s12877-019-1348-z pmid: 31752701
[26]	曾一君, 郑华, 张幼林, 等. 代谢综合征对急性脑梗死患者认知功能及神经功能缺损的影响[J]. 西部医学, 2013, 25(8):1203-1205.
[27]	Bianchi L, Zuliani G, Volpato S. Physical disability in the elderly with diabetes: Epidemiology and mechaisms[J]. Curr Dib Rep, 2013, 13(6):824-830.
[28]	廖晓琴, 林鸿缘, 彭山玲. 脑卒中后便秘影响因素的meta分析[J]. 华西医学, 2022, 37(6):902-908.
[29]	李夏, 凡子莲. 高压氧对缺血性脑卒中患者神经功能缺损程度与致残率的改善作用[J]. 临床合理用药杂志, 2018, 11(7):128-129.
[30]	王灏晨, 陈功, 李宁, 等. 我国伤害致残模式转变综述——基于全国残疾人抽样调查数据[J]. 残疾人研究, 2014, 13(1):35-41.
[31]	Velayutham B, Kangusamy B, Mehendale S. Prevalence of disability in Tamil Nadu, India[J]. Natl Med J India, 2017, 30(3):125-130. pmid: 28936995
[32]	马志越, 李天然, 王金营. 残疾发生:过去与未来——河北省残疾发生趋势及残疾人口预测[J]. 社会科学论坛, 2020(1):96-106.

编辑推荐 0

Metrics

阅读次数

全文

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	98

来源	本网站	其他网站

次数	83	15
比例	85%	15%

摘要

228

最新录用	在线预览	正式出版

0	0	228

来源	本网站	其他网站

次数	152	76
比例	67%	33%

第一作者	国家	例数	研究类型	影响因素	质量评价(分)
Kaarisalo 2005^[6]	荷兰	不确切	队列研究	①	8
钟海珍2009^[7]	中国	821/189	队列研究	② ⑩ ⑪ ⑫ ⑬ ⑭ ⑯ ⑰ ⑱ ⑲ ⑳ ㉑	6
钟海珍2010^[8]	中国	257/42	病例对照	② ㉒㉓㉔	8
刘敏2013^[9]	中国	299/120	队列研究	③ ㉕	8
李慧慧2015^[10]	中国	1071/223	横断面	① ③ ④ ⑤ ⑥ ⑦ ⑧ ㉗㉘㉙㉚	6
王班2016^[11]	中国	7462/1211	队列研究	① ④ ⑤	8
戴征2017^[12]	中国	932/235	队列研究	② ㉛㉜㉝	8
李娟2017^[13]	中国	705/451	横断面	② ③ ⑤ ⑥ ⑧ ⑨ ㉞㉟㊱	7
赵一莎2017^[14]	中国	311/120	横断面	③ ⑤ ⑦ ㊲	6
姜岩2019^[15]	中国	366/128	横断面	③ ⑤ ⑦ ⑧ ⑨ ㉖㊳	7
田洋2019^[16]	中国	660/252	横断面	③ ⑤ ⑦ ㊴㊵㊶	6
张博强2020^[17]	中国	731/98	横断面	④ ㊷㊸㊹	6
李艳青2021^[1]	中国	373/220	病例对照	㊺㊻㊼	8

第一作者	国家	例数	研究类型	影响因素	质量评价(分)
Kaarisalo 2005^[6]	荷兰	不确切	队列研究	①	8
钟海珍2009^[7]	中国	821/189	队列研究	② ⑩ ⑪ ⑫ ⑬ ⑭ ⑯ ⑰ ⑱ ⑲ ⑳ ㉑	6
钟海珍2010^[8]	中国	257/42	病例对照	② ㉒㉓㉔	8
刘敏2013^[9]	中国	299/120	队列研究	③ ㉕	8
李慧慧2015^[10]	中国	1071/223	横断面	① ③ ④ ⑤ ⑥ ⑦ ⑧ ㉗㉘㉙㉚	6
王班2016^[11]	中国	7462/1211	队列研究	① ④ ⑤	8
戴征2017^[12]	中国	932/235	队列研究	② ㉛㉜㉝	8
李娟2017^[13]	中国	705/451	横断面	② ③ ⑤ ⑥ ⑧ ⑨ ㉞㉟㊱	7
赵一莎2017^[14]	中国	311/120	横断面	③ ⑤ ⑦ ㊲	6
姜岩2019^[15]	中国	366/128	横断面	③ ⑤ ⑦ ⑧ ⑨ ㉖㊳	7
田洋2019^[16]	中国	660/252	横断面	③ ⑤ ⑦ ㊴㊵㊶	6
张博强2020^[17]	中国	731/98	横断面	④ ㊷㊸㊹	6
李艳青2021^[1]	中国	373/220	病例对照	㊺㊻㊼	8

影响因素	文献数量	异质性检验结果		效应模型	Meta分析结果
影响因素	文献数量	$I 2$	$P$	效应模型	$O R$	95% $C I$	$P$
糖尿病	2^{[6,10 -11]}	0%	0.72	固定效应模型	1.41	1.32, 1.52	$P$ <0.01
NIHSS评分	4^{[7-8,12 -13]}	95%	0.00001	随机效应模型	1.46	1.17, 1.82	$P$ <0.01
年龄	6^{[9-10,13⇓⇓ -16]}	91%	0.00001	随机效应模型	1.12	1.02, 1.23	$P$ =0.02
性别	3^[10-11,17]	78%	0.01	随机效应模型	1.58	1.09, 2.29	$P$ =0.02
心脏病	2^[10,13]	94%	0.0001	随机效应模型	1.16	0.31, 4.39	$P$ =0.83
发作次数	4^{[10,14⇓ -16]}	26%	0.25	固定效应模型	1.70	1.41, 2.04	$P$ <0.01
抑郁状态	3^[10,13,15]	97%	0.00001	随机效应模型	2.28	0.91, 5.67	$P$ =0.08
婚姻	2^[13,15]	55%	0.14	随机效应模型	1.81	1.08, 3.02	$P$ =0.02
高血压	6^{[10,11,13⇓⇓ -16]}	90%	0.00001	随机效应模型	1.58	1.01, 2.47	$P$ =0.05

影响因素	文献数量	异质性检验结果		效应模型	Meta分析结果
影响因素	文献数量	$I 2$	$P$	效应模型	$O R$	95% $C I$	$P$
糖尿病	2^{[6,10 -11]}	0%	0.72	固定效应模型	1.41	1.32, 1.52	$P$ <0.01
NIHSS评分	4^{[7-8,12 -13]}	95%	0.00001	随机效应模型	1.46	1.17, 1.82	$P$ <0.01
年龄	6^{[9-10,13⇓⇓ -16]}	91%	0.00001	随机效应模型	1.12	1.02, 1.23	$P$ =0.02
性别	3^[10-11,17]	78%	0.01	随机效应模型	1.58	1.09, 2.29	$P$ =0.02
心脏病	2^[10,13]	94%	0.0001	随机效应模型	1.16	0.31, 4.39	$P$ =0.83
发作次数	4^{[10,14⇓ -16]}	26%	0.25	固定效应模型	1.70	1.41, 2.04	$P$ <0.01
抑郁状态	3^[10,13,15]	97%	0.00001	随机效应模型	2.28	0.91, 5.67	$P$ =0.08
婚姻	2^[13,15]	55%	0.14	随机效应模型	1.81	1.08, 3.02	$P$ =0.02
高血压	6^{[10,11,13⇓⇓ -16]}	90%	0.00001	随机效应模型	1.58	1.01, 2.47	$P$ =0.05

危险因素	固定效应模型	随机效应模型
糖尿病	1.41(1.32, 1.52)	1.41(1.32, 1.52)
NIHSS	1.22(1.18, 1.27)	1.46(1.17, 1.82)
年龄	1.04(1.02, 1.05)	1.12(1.02, 1.23)
性别	1.93(1.45, 2.57)	1.93(1.45, 2.57)
发作次数	1.70(1.41, 2.04)	1.69(1.36, 2.11)
婚姻	1.59(1.28, 1.99)	1.81(1.08, 3.02)