Meta-analysis of disability risk factors in stroke patients

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

Abstract

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

CLC Number:

R743

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.

Add to citation manager EndNote|Ris|BibTeX

URL: https://huicui.hebmu.edu.cn/EN/10.3969/j.issn.1004-583X.2023.02.002

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

Figures/Tables 13

Fig. 1 Flow chart of document screening

Tab. 1 Basic characteristics of the eligible literature

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

Tab. 2 Meta-analysis of disability risk factors in stroke patients

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

Tab. 2 Meta-analysis of disability risk factors in stroke patients

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

Fig. 2 Influence of diabetes on disability in the patients

Fig. 3 Influence of neurologic impairment on disability in the patients

Fig. 4 Influence of age on disability in the patients

Fig. 5 Influence of gender on disability in the patients

Fig. 6 Influence of heart disease on disability in the patients

Fig. 7 Influence of onset frequency on disability in the patients

Fig. 8 Influence of depression on disability in the patients

Fig. 9 Influence of marriage on disability in the patients

Fig. 10 Influence of hypertension on disability in the patients

Tab. 3 O R value and 95% C I of risk factors for random-effects and fixed-effect models

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)

References 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.