Významné rizikové faktory pádu v osobnej anamnéze u hospitalizovaných pa­cientov s neurologickým ochorením


Significant fall risk factors in the personal history of in-patients with neurological dis­ease

Aim: To identify significant fall risk factors in in-patients with neurological dis­ease and to as­sess their predictive value.

Patients and methods: 298 in-patients were included into the prospective study. Fall risk factors were as­ses­sed through analysis of medical records, and fall risk score was identified through the Morse Fall Scale (MFS) screen­­ing dur­­ing admis­sion to the hospital. A multidimensional logistic regres­sion model was used to identify significant fall risk factors. The relative risk of fal­l­­ing was quantified us­­ing the odds ratio (OR). Receiver operat­­ing characteristic (ROC) curve with area under the curve (AUC) was used to as­sess the predictive value of selected fall risk factors.

Results: The most frequent fall risk factors were in the sample (N = 298): gait, balance and mobility disorders (80.9%), pharmacother­apy (57.0%), associated dis­ease (52.7%), and visual impairment (52.3%). The average fall risk score was at medium risk level (MFS score of 44.2 ± 21.2). The highest risk of fal­l­­ing was seen in risk factors: associated dis­ease (OR = 5.452; CI 1.693– 20.033; P = 0.007), medical dia­gnosis G35– G37 (OR = 4.597, CI 1.273– 17.481; P = 0.021), visual impairment (OR = 3.494; CI 1.281– 10.440; P = 0.019), and fall risk level according to the MFS at admis­sion (OR = 1.18; CI 1.135– 1.252; P < 0.001). The predictive value of risk factors expres­sed by the ROC curve was AUC = 0.934.

Conclusions: Identify­­ing fall risk factors is the first step in ef­fective prevent­­ion of this adverse event dur­­ing hospitalization. Targeted fall risk screen­­ing will al­low plan­n­­ing and implementation of interventions to minimize the risk of fal­ling.

The authors declare they have no potential conflicts of interest concerning drugs, products, or services used in the study.

The Editorial Board declares that the manu­script met the ICMJE “uniform requirements” for biomedical papers.

Keywords:

fall – risk factor – screening – neurology – patient – hospitalization


Autoři: M. Miertová 1;  I. Bóriková 1;  M. Grendár 2;  J. Madleňák 1;  M. Tomagová 1;  K. Žiaková 1
Působiště autorů: Ústav ošetrovateľstva, Jesseniova LF UK v Martine, Slovensko 1;  Martinské centrum pre biomedicínu (BioMed), Jesseniova LF UK v Martine, Slovensko 2
Vyšlo v časopise: Cesk Slov Neurol N 2019; 82(6): 649-654
Kategorie: Původní práce
doi: 10.14735/amcsnn2019649

Souhrn

Cieľ: V súbore pa­cientov s neurologickým ochorením identifikovať významné rizikové faktory pádu a posúdiť ich predikčnú hodnotu.

Súbor a metodika: Do prospektívnej štúdie bolo zaradených 298 hospitalizovaných pa­cientov. Rizikové faktory pádu boli zisťované analýzou zdravotnej dokumentácie, výšku rizika pádu určil skrín­­ing podľa Morse Fall Scale (MFS) prijatí na hospitalizáciu. Na identifikáciu významných rizikových faktorov pádu bol použitý mnohorozmerný logistický regresný model. Relatívne riziko pádu bolo kvantifikované pomocou odds ratio (OR). Na posúdenie predikčnej hodnoty vybraných rizikových faktorov pádu bola použitá receiver operat­­ing characteristic (ROC) krivka so zhodnotením plochy pod krivkou (area under curve; AUC).

Výsledky: V súbore pa­cientov (n = 298) k najpočetnejším rizikovým faktorom pádu patrili: porucha chôdze, rovnováhy a hybnosti (80,9 %), farmakoterapia (57,0 %), pridružené ochorenie (52,7 %) a porucha zraku (52,3 %). Priemerné skóre rizika pádu bolo na úrovni stredného rizika (MFS skóre 44,2 ± 21,2). Najvyššie riziko pádu bolo zaznamenané pri rizikových faktoroch: pridružené ochorenie (OR = 5,452; CI 1,693– 20,033; p = 0,007), medicínska dia­gnóza G35– G37 (OR = 4,597; CI 1,273– 17,481; p = 0,021), porucha zraku (OR = 3,494; CI 1,281– 10,440; p = 0,019), výška rizika pádu podľa MFS pri príjme (OR = 1,18; CI 1,135– 1,252; p < 0,001). Predikčná hodnota rizikových faktorov vyjadrená ROC krivkou bola AUC = 0,934.

Záver: Identifikácia rizikových faktorov pádu je prvým krokom v účin­nej prevencii tejto nežiaducej udalosti počas hospitalizácie. Cielený skrín­­ing rizika pádu umožní naplánovať a implementovať intervencie na minimalizáciu rizika pádu.

Klíčová slova:

pád – rizikový faktor – skríning – neurológia – pacient – hospitalizácia

Úvod

Pády u hospitalizovaných pa­cientov patria k častým nežiaducim udalostiam, komplikujú základné ochorenie, vyžadujú si ďalšiu liečbu, predlžujú pobyt v nemocnici, zvyšujú dodatočné náklady na starostlivosť, prípadne vedú k žalobe na nekvalitnú starostlivosť [1– 7]. U pa­cientov s neurologickým ochorením je pád výsledkom interakcie heterogén­nej skupiny demografických, vnútorných a environmentálnych (situačných) rizikových faktorov [8,9]. Riziko pádu a počet opakovaných pádov sa zvyšuje po prekonaní CMP [10], u pa­cientov s Parkinsonovou chorobou [11– 13], s demenciou [7,12], so sclerosis multiplex [14] a periférnou neuropatiou [7].

Analýza pádov s poranením odhaľuje niekoľko spoločných faktorov, ktoré zvyšujú počet pádov v nemocniciach, a okrem iného k nim zaraďuje aj nedostatočné posúdenie rizík pa­cienta a nedodržiavanie protokolov pre bezpečnostné postupy [15]. Literárne zdroje popisujú okolo 400 samostatných rizikových faktorov. K najvýznamnejším patria: pád v anamnéze, vyšší a vysoký vek, poruchy chôdze a rovnováhy, svalová slabosť, používanie kompenzačnej pomôcky, polyfarmakoterapia a jej vedľajšie účinky, kognitívny a zrakový deficit, stav po CMP [4,7,9,16]. Rizikové faktory sa u pa­cientov rôzne kombinujú a počas hospitalizácie sa môžu meniť, preto sa kladie dôraz na multifaktorové posudzovanie a identifikáciu individuálnych ovplyvniteľných rizikových faktorov, ktoré pomôže realizovať cielenú prevenciu pádov. Vzhľadom na časovú náročnosť komplexnosti posudzovania rizikových faktorov je efektívnou metódou pri príjme pa­cienta na hospitalizáciu rýchly skrín­­ing rizika pádu meracím nástrojom [4,8,9,17– 23]. Pre pa­cientov s neurologickým ochorením boli vytvorené a klinicky testované viaceré nástroje, napr. Morse Fall Scale (MFS), Hendrich Fall Risk Model alebo Saint Thomas’s Risk As­ses­sment Tool in Fal­l­­ing Elderly Inpatients [4,7,19,24– 26].

Vzhľadom na vyššie uvedené východiská k problematike sme si stanovili niekoľko cieľov. V súbore pa­cientov s neurologickým ochorením: 1. identifikovať prítomnosť vybraných rizikových faktorov pádu; 2. zistiť pomocou mnohorozmernej logistickej regresie, ktoré rizikové faktory budú signifikantné medzi pa­cientami bez pádu a s pádom v anamnéze; 3. zistiť výšku rizika pádu skríningom podľa MFS; 4. posúdiť predikčnú hodnotu rizikových faktorov pádu, vrátane MFS skóre, pomocou receiver operat­­ing characteristic (ROC) krivky.

Štúdia bola zacielená primárne na mapovanie rizikových faktorov pádu a výšky rizika pádu na začiatku hospitalizácie; nebolo sledované, či pa­cient počas hospitalizácie aj reálne spadol.

Súbor a metodika

Súbor tvorilo 298 hospitalizovaných dospelých pa­cientov na neurologickej klinike univerzitnej nemocnice. Výber pa­cientov do súboru bol zámerný, podľa vopred zadefinovaných zaraďujúcich kritérií: vek pa­cienta ≥ 18 rokov, neurologická dia­gnóza (podľa Medzinárodnej klasifikácie chorôb [MKCH-10]). Nesplnenie minimálne jedného zaraďujúceho kritéria bolo indikátorom pre exklúziu pa­cienta zo súboru.

Design bol prospektívna kvantitatívna prierezová štúdia.

Zber údajov

U každého pa­cienta aktuálny zdravotný stav (neurologické symptómy, ochorenia, funkčné limitácie) objektivizoval a dokumentoval neurológ pri príjme na hospitalizáciu. Prítomnosť a početnosť vybraných rizikových faktorov pádu (podľa výskumného protokolu) sme zisťovali obsahovou analýzou zdravotnej dokumentácie pa­cientov zaradených do súboru. Prvá časť protokolu obsahovala zoznam rizikových faktorov pádu: pád v anamnéze, pohlavie, vek, neurologická dia­gnóza pri prijatí, pridružené ochorenie ≥ 4 dia­gnózy, farmakoterapia ≥ 5 indikačných skupín liekov, počet kusov liekov užívaných za 24 h (perorálne aj parenterálne), poruchy chôdze, rovnováhy a hybnosti, používanie kompenzačnej pomôcky pri chôdzi, poruchy kontinencie, psychického stavu, zraku, sluchu a spánku. Druhou časťou protokolu bol nástroj MFS, ktorý posudzuje: 1. pád v anamnéze (posledné 3 mesiace); 2. pridružená dia­gnóza (viac ako jedna dia­gnóza); 3. pomôcka pri chôdzi; 4. intravenózny vstup/ terapia; 5. poruchy chôdze; 6. psychický stav (v zmysle toho, ako sám pa­cient hodnotí svoju reálnu schopnosť chôdze a potrebu pomoci). Celkové skóre rizika pádu má hodnoty 0– 125; riziko pádu je nízke ≤ 24, stredné 25– 44, vysoké ≥ 45 (cut-off skóre 45 vymedzuje pa­cientov s vysokým a nízkym rizikom pádu a je východiskom pre realizáciu konkrétnych preventívnych intervencií). Senzitivita MFS v originálnej štúdii bola 78 %, špecifickosť 83 % a inter-rater reliabilita r = 0,96 [27].

Údaje boli zbierané na Neurologickej klinike Jes­seniovej lekárskej fakulty Univerzity Komenského (JLF UK) a Univerzitnej nemocnice v Martine (UNM) od januára 2017 do novembra 2017 (v roku 2017 mala UNM 837 akútnych lôžok, 34 454 hospitalizácií, z 21 ošetrovacích jednotiek bolo hlásených 129 pádov, z toho Neurologická klinika hlásila 8 pádov).

Analýza a vyhodnotenie empirických údajov

Získané empirické údaje boli okódované a prepísané do programu Microsoft Excel (Microsoft Corporation, Redmond, WA, USA) a vyhodnotené v štatistickom programe SPSS, verzia 18.0 (IBM, Armonk, NY, USA), PASW Statistics 18 (IBM, Armonk, NY, USA) a v R verzia 3.5.2 (R Foundation for Statistical Computing, Viedeň, Rakúsko) [28] s použitím knižnice MASS [29].

Rizikové faktory pádu v súbore pa­cientov popisuje deskriptívna štatistika s vypočítaním absolútnej a relatívnej početnosti. U spojitých premen­ných a pri určení výšky rizika pádu je uvedený aritmetický priemer, smerodajná odchýlka, minimálna hodnota, maximálna hodnota (tab. 1). Na identifikáciu rizikových faktorov pádu bol použitý mnohorozmerný logistický regresný model zredukovaný pomocou Akaikeho informačného kritéria (AIC). Pre rizikové faktory bolo relatívne riziko pádu kvantifikované pomocou odds ratio (OR) a neurčitosť určenia OR bola kvantifikovaná 95 % konfidenčným intervalom. Pre každý faktor bola otestovaná hypotéza, že príslušný koeficient v regresii je rovný nule (tab. 2). Na posúdenie predikčnej hodnoty tých rizikových faktorov pádu, ktoré AIC kritérium stanovilo ako podstatné, bola použitá ROC krivka so zhodnotením plochy pod krivkou (area under the curve; AUC) (obr. 1).

Tab. 1. Rizikové faktory pádu v súbore pacientov s neurologickým ochorením.
Rizikové faktory pádu v súbore pacientov s neurologickým ochorením.
p-hodnota z mnohorozmernej logistickej regresnej analýzy, pre test hypotézy, že príslušný koeficient v mnohorozmernej logistickej regresii je rovný nule
% – relatívna početnosť; M – priemer; MFS – Morse Falls Scale; n – absolútna početnosť; OA – osobná anamnéza; SD – smerodajná odchýlka

Tab. 2. Rizikové faktory pádu v súbore pacientov s použitím AIC.
Rizikové faktory pádu v súbore pacientov s použitím AIC.
p-hodnota z mnohorozmernej logistickej regresnej analýzy po redukcii modelu pomocou AIC, a to pre test hypotézy, že príslušný koeficient v mnohorozmernej logistickej regresii je rovný nule
AIC – Akaikeho informačné kritériá; CI – konfidenčný interval; MFS – Morse Falls Scale; OR – odds ratio (pomer šancí; pri OR < 1 faktor znižuje riziko pádu, pri OR > 1 faktor zvyšuje riziko pádu)

Receiver operating characteristic
krivka pre posúdenie predikčnej hodnoty
rizikových faktorov pádu v súbore pacientov
počas hospitalizácie.
AUC – plocha pod křivkou<br>
Fig. 1. Receiver operating characteristic
curve to assess the predictive value of fall
risk factors in a sample of patients during
hospitalization.
AUC – area under the curve
Obr. 1. Receiver operating characteristic krivka pre posúdenie predikčnej hodnoty rizikových faktorov pádu v súbore pacientov počas hospitalizácie. AUC – plocha pod křivkou
Fig. 1. Receiver operating characteristic curve to assess the predictive value of fall risk factors in a sample of patients during hospitalization. AUC – area under the curve

Výsledky

Výskumný súbor tvorilo 298 dospelých hospitalizovaných pa­cientov, z toho 158 (53,0 %) žien. Priemerný vek súboru bol 59,7 ± 15,8 rokov (min. 21, max. 92). Z rôznych neurologických dia­gnóz sa u pa­cientov najčastejšie vyskytovali: cievne choroby mozgu (I60– I69) (n = 103; 34,6 %), iné dorzopatie (M50– M54) (n = 61; 20,5 %), demyelinizačné choroby CNS (G35– G37) (n = 49; 16,4 %), polyneuropatie a iné poruchy periférnej nervovej sústavy (G60– G64) (n = 20; 6,7 %); tieto sme zaradili aj do štatistického spracovania údajov.

V celom súbore pa­cientov (n = 298) k naj­početnejším rizikovým faktorom pádu patrili: porucha chôdze, rovnováhy a hybnosti (80,9 %), farmakoterapia ≥ 5 indikačných skupín liekov (57,0 %), pridružené ochorenie ≥ 4 dia­gnózy (52,7 %) a porucha zraku (52,3 %). Pád v anamnéze sme zistili u 46 pa­cientov (15,4 %) a podľa tohto rizikového faktora sme rozdelili súbor pa­cientov na dva podsúbory (tab. 1). U pa­cientov bez pádu v anamnéze (n = 252) sa najčastejšie vyskytovali: porucha chôdze, rovnováhy a hybnosti (78,2 %), farmakoterapia ≥ 5 indikačných skupín liekov (54,0 %), porucha zraku (49,2 %) a pridružené ochorenie ≥ 4 dia­gnózy (47,2 %). U pa­cientov s pádom v anamnéze (n = 46) sa najčastejšie vyskytovali: poruchy chôdze, rovnováhy a hybnosti (95,7 %), pridružené ochorenie ≥ 4 dia­gnózy (82,6 %), farmakoterapia ≥ 5 indikačných skupín liekov (76,1 %) a poruchy zraku (69,6 %).

V rámci mnohorozmernej logistickej regresie boli medzi pa­cientami bez pádu a s pádom v anamnéze štatisticky významné faktory: vek (p = 0,011), medicínska dia­gnóza G35– G37 (p = 0,025), pridružené ochorenie ≥ 4 dia­gnózy (p = 0,014), kompenzačná pomôcka pri chôdzi (p = 0,005), porucha zraku (p = 0,018) a výška rizika pádu podľa MFS (p < 0,001) (tab. 1).

Priemerné skóre rizika pádu v celom súbore pa­cientov (n = 298) bolo na úrovni stredného rizika (MFS skóre 44,2 ± 21,2; min. 0, max. 110). U pa­cientov bez pádu v anamnéze bolo priemerné skóre rizika pádu na úrovni vysokého rizika (46,4 ± 21,2; min. 0, max. 110), v súbore pa­cientov s pádom v anamnéze na úrovni stredného rizika (31,7 ± 16,2; min. 0, max. 70) (tab. 1).

Akaikeho informačné kritérium bolo v mnohorozmernom logistickom regresnom modeli použité na zredukovanie zoznamu rizikových faktorov pádu na nasledovné: pridružené ochorenie ≥ 4 dia­gnózy (OR = 5,452; CI 1,693– 20,033; p = 0,007), prítomnosť medicínskej dia­gnózy G35– G37 (OR = 4,597; CI 1,273– 17,481; p = 0,021), porucha zraku (OR = 3,494; CI 1,281– 10,440; p = 0,019), výška rizika pádu podľa MFS pri príjme (OR = 1,18; CI 1,135– 1,252; p = 0,000) (tab. 2).

S použitím ROC krivky skonštruovanej na základe zredukovaného mnohorozmerného logistického regresného modelu sme zistili veľmi dobrú predikčnú hodnotu rizikových faktorov uvedených v tab. 2 pre predikciu pádu počas hospitalizácie, na čo ukazuje plocha pod ROC krivkou; AUC = 0,934 (obr. 1).

Diskusia

Prevencia pádu v ústavnom zariadení je prioritnou témou v rámci problematiky bezpečnosti pa­cienta. Mnohé z rizikových faktorov sú preventabilné, preto benefitom pre pa­cienta i nemocnicu je preventívny program, ktorého prvým komponentom je identifikácia rizika pádu [30]. V našom súbore pa­cientov mali najvyššie riziko pádu pa­cienti s dia­gnózou sclerosis multiplex (G35– G37) –  boli 4,6× rizikovejší k pádu (OR = 4,597). Títo pa­cienti majú vysokú aj incidenciu pádu, v časovom horizonte 3– 6 mesiacov až 30– 50 % pa­cientov uvádza pád, a to aj opakovaný [14]. Riziko pádu a reálny pád súvisí so symp­tomatológiou, ako sú poruchy citlivosti, chôdze a hybnosti sprevádzané spasticitou, ďalej vestibulocerebelárne poruchy, svalová slabosť, sfinkterové ťažkosti, v kombinácii s kognitívnym deficitom, chronickou únavou, depresiou [31,32]. Počas ataky sa niektoré symptómy zvýrazňujú, napr. porucha zraku a chôdze, únava, zhoršená koordinácia pohybov [14,16]. Poruchy chôdze, rovnováhy a hybnosti sú príčinou pádov, aj opakovaných [4,19,26,33,34]. V súbore boli prítomné vo vysokom počte (80,9 %), ale títo pa­cienti mali riziko pádu znížené 5,8× (OR = 0,172), čo súvisí s používaním kompenzačnej pomôcky, ktorá riziko pádu minimalizuje stabilizáciou rovnováhy a chôdze [23,35]. U našich pa­cientov jej používanie znížilo riziko pádu 7,1× (OR = 0,141). Na druhej strane, pomôcka môže prispieť k pádu v prípade, že ju pa­cient nesprávne používa alebo pomôcka nespĺňa účel a bezpečnostný štandard [31,35,36].

Všeobecne sa riziko pádu, vrátane skupiny neurologických pa­cientov, zvyšuje s polymorbiditou a komorbiditami [4,37]. Polymorbidní pa­cienti v našom súbore mali až 5,5× vyššie riziko pádu počas hospitalizácie (OR = 5,452). Treba však upozorniť na to, že pa­cient pri terajšom neurologickom ochorení môže mať iba jedno pridružené ochorenie, a napriek tomu má vysoké riziko pádu, napr. pa­cient s opakovanou CMP [2,10,38]. Vek sa v súbore našich pa­cientov ukázal ako signifikantný (p = 0,011), aj keď zvýšenie veku o 1 rok znížilo riziko pádu o 6,4 % (OR = 0,936). Involučné zmeny a progresia chronického ochorenia redukujú mobilitu a všeobecne platí, že z hľadiska prevencie pádu si prvoradú pozornosť vyžadujú pa­cienti vo veku ≥ 65 rokov [8,25]. Pa­cienti s neurologickým ochorením sú však rizikoví už vo veku ≥ 45 rokov [39], a to aj vo vzťahu k výskytu niektorých ochorení v mladšom veku, napr. Parkinsonovej choroby [12]. K ďalším štatisticky významným rizikovým faktorom pádu patrili poruchy zraku. V našom súbore pa­cientov boli prítomné u viac ako polovice z nich (52,3 %) a riziko pádu zvýšili až 3,5× počas hospitalizácie (OR = 3,494). Konkrétna porucha zraku sa viaže na konkrétne neurologické ochorenie a samotná porucha zraku, vrátane kombinácie s inými rizikovými faktormi, môže byť príčinou pádu [10,40– 42].

Klinické symptómy spolu s pozitívnou anamnézou pádu zaraďujú pa­cienta už pri prijatí na hospitalizáciu do skupiny s vysokým rizikom pádu [7]. V našej štúdii mali pa­cienti s pádom v anamnéze stredné riziko pádu (maximálne MFS skóre 70 zo 125). Ich priemerný vek bol len o trochu nižší ako priemerný vek celého súboru a je pravdepodobné, že s vekom sa zvýši aj skóre rizika pádu. Zvýšenie výsledného MFS skóre o 1 zvýšilo riziko pádu počas hospitalizácie o 18,5 % (OR = 1,185). Vzhľadom k tomu sa odporúča pri pozitívnej anamnéze pádu realizovať skrín­­ing rizika pádu ako prvú, v klinickej praxi často opomínanú, univerzálnu intervenciu na prevenciu pádu [4,23,30]. Skrín­­ing rizika pádu validným meracím nástrojom pomôže rýchlo predikovať výšku rizika pádu tým, že deteguje niekoľko významných rizikových faktorov súčasne. Predikčná validita je dôležitý ukazovateľ dia­gnostickej presnosti nástroja a okrem iných parametrov zahŕňa aj ROC krivku a AUC, ktorá graficky vizualizuje výstupy dia­gnostického testu. AUC má hodnoty od 0 po 1 (alebo 0– 100 %) a slúži ako štandardné vyjadrenie dia­gnostickej efektivity testu, pričom test s AUC nad 0,75 sa považuje za dobre diskriminujúci [43]. V našej štúdii bola táto hodnota AUC = 0,934 (93,4 %), teda ako výborne diskriminujúca.

Výsledky našej štúdie potvrdili, že u pa­cientov s neurologickým ochorením sa vyskytuje heterogén­na skupina rizikových faktorov pádu, ktoré sa u konkrétneho pa­cienta vzájomne kombinujú, čím sa individualizuje aj výška rizika pádu. Klinické symptómy ochorenia spolu s pozitívnou anamnézou pádu zaraďujú pa­cienta už pri prijatí na hospitalizáciu do skupiny s vysokým rizikom pádu, bez ohľadu na to, či je prijatý s akútnou alebo chronickou neurologickou dia­gnózou [4,7,23,44]. Vzhľadom na multifaktorovú etiológiu pádov sa odporúča implementovať do klinickej praxe štandardizovanú metodiku posudzovania rizika pádu, vrátane skríningového nástroja [15,30,44]. Nástroj MFS sa ukazuje ako vhodný na používanie aj v skupine neurologických pa­cientov [4,5,23,25]. Jeho benefitom okrem krátkej administrácie je aj ponuka preventívnych intervencií podľa výšky rizika pádu [23]. Treba si však uvedomiť, že žiadny predikčný ukazovateľ nedá svojou hodnotou 100% záruku, že pri pozitívnom teste pa­cient aj reálne spadne. Napriek tomu je potrebné realizovať preventívne intervencie u každého pa­cienta bez ohľadu na jeho aktuálny stav a výšku rizika pádu, ako súčasť bezpečnej starostlivosti [22,45].

Výskumná štúdia má svoje limitácie: bola realizovaná v jednom regionálnom zdravotníckom zariadení, skrín­­ing rizika pádu bol realizovaný iba pri príjme pa­cienta na ošetrovaciu jednotku, nie opakovane. Zisťované bolo iba riziko pádu a nie počet pádov počas realizácie štúdie.

Záver

Identifikácia rizikových faktorov pádu a skrín­­ing rizika pádu u hospitalizovaných pa­cientov je dôležitou súčasťou prevencie nežiaducej udalosti. Výsledok skríningu je základom pre výber a implementáciu cielených individuálnych intervencií v rámci kompetencií členov interprofesionálneho tímu, ale nikdy by nemal nahradiť neurologické a funkčné vyšetrenie. Rutin­né používanie nástroja v klinickej praxi predpokladá prospektívnu validáciu nástroja v slovenských podmienkach. Výsledky štúdie môžu byť východiskom pre ďalší výskum k problematike pádov na Slovensku a pre prípravu národného štandardu k tejto nežiaducej udalosti.

Autoři deklarují, že v souvislosti s předmětem studie nemají žádné komerční zájmy.

Redakční rada potvrzuje, že rukopis práce splnil ICMJE kritéria pro publikace zasílané do biomedicínských časopisů.

Mgr. Michaela Miertová, PhD.

Ústav ošetrovateľstva

Jesseniova LF UK

Malá Hora 5

036 01 Martin

Slovensko

e-mail: miertova@jfmed.uniba.sk

Přijato k recenzi: 22. 3. 2019

Přijato do tisku: 12. 9. 2019


Zdroje

1. Kobayashi K, Imagama S, Inagaki Y et al. Incidence and characteristics of accidental fal­ls in hospitalizations. Nagoya J Med Sci 2017; 79(3): 291– 298. doi: 10.18999/ nagjms.79.3.291.

2. Krobot A, Kolářová B, Kolář P et al. Neurorehabilitace chůze po cévní mozkové příhodě. Cesk Slov Neurol N 2017; 80/ 113(5): 521– 526. doi: 10.14735/ amcsn­n2017521.

3. Ken­ny RA, Rom­mero-Ortuno R, Kumar P. Fal­ls in older adults. Medicine 2017; 45(1): 28– 33. doi: 10.1016/ j.mpmed.2016.10.007. 

4. Yoo SH, Kim SR, Shin YS. A prediction model of fal­ls for patients with neurological disorder in acute care hospital. J Neurol Sci 2015; 356(1– 2): 113– 117. doi: 10.1016/ j.jns.2015.06.027.

5. Sung YH, Cho MS, Kwon IG et al. Evaluation of fal­lsby inpatients in acute care hospital in Korea us­­ing the Morse Fall Scale. Int J Nurs Pract 2014; 20(5): 510– 517. doi: 10.1111/ ijn.12192.

6. Bouldin ER, Andresen EM, Dunton NE et al. Fal­ls among adult patients hospitalized in the United States: prevalence and trends. J Patient Saf 2013; 9(1): 13– 17. doi: 10.1097/ PTS.0b013e3182699b64.

7. Hunderfund AN, Sweeney CM, Mandrekar JN et al. Ef­fect of multidisciplinary fall risk as­ses­sment on fal­ls among neurology inpatients. Mayo Clin Proc 2011; 86(1): 19– 24. doi: 10.4065/ mcp.2010.0441.

8. Zhao YL, Kim H. Older adult inpatient fal­ls in acute care hospitals: intrinsic, extrinsic, and environmental factors. J Gerontol Nurs 2015; 41(7): 29– 43. doi: 10.3928/ 00989134-20150616-05.

9. Camicioli R. Fal­ls in ag­­ing and neurological dis­ease. In: Albert ML, Knoefel JE (eds). Clinical neurology of aging. 3rd ed. New York: Oxford University Press 2011: 297– 313.

10. Tan KM, Tan MP. Stroke and fal­ls –  clash of the two titans in geriatrics. Geriatrics (Basel) 2016; 1(31): 1– 15. doi: 10.3390/ geriatrics1040031.

11. Rudzińska M, Bukowczan S, Stožek J et al. The incidence and risk factors of fal­ls in Parkinson’s dis­ease: prospective study. Neurol Neurochir Pol 2013; 47(5): 431– 437. doi: 10.5114/ ninp.2013.38223.

12. Valkovič P, Košutzká Z, Schmidt F. Posturálna instabi­lita, poruchy chôdze a pády pri Parkinsonovej chorobe. Cesk Slov Neurol N 2012; 75/ 108(2): 141– 153. 

13. Al­len NE, Sschwarzel AK, Can­n­­ing CG. Recur­rent fal­lsin Parkinson’s dis­ease: a systematic review. Parkinsons Dis 2013; 2013: 906274. doi: 10.1155/ 2013/ 906274.

14. Mazunder R, Murchison CH, Bourdette D et al. Fal­lsin people with multiple sclerosis compared with fal­lsin healthy controls. PLoS One 2014; 9(9): e107620. doi: 10.1371/ journal.pone.0107620.

15. Prevence pádů ve zdravotnickém zařízení. Cesta k dokonalosti a zvyšování kvality. Praha: GRADA Publish­­ing 2007: 172.

16. Remor CP, Cruz CB, Urbanetti JS. Analysis of fall risk factors in adults within the first 48 hours of hospitalization. Rev Gaucha Enferm 2014; 35(4): 28– 34. doi: 10.1590/ 1983-1447.2014.04.50716.

17. Renfro M, Mar­­ing J, Bainbridge D et al. Fall risk among older adult high-risk populations: a review of cur­rent screen­­ing and as­ses­sment tools. Curr Geri Rep 2016; 5(3): 160– 171. 

18. Han J, Xu L, Zhou CH et al. Stratify, Hendrich II fall risk model and Morse Fall Scale used in predict­­ing the risk of fal­l­­ing for elderly in-patients. Biomed Res 2017; 28 (special is­sue): S439– S442. 

19. Nas­sar N, Helou N, Madi CH. Predict­­ing fal­lsus­­ing two instruments (The Hendrich Fall Risk Scale and The Morse Fall Scale) in an Acute Care Sett­­ing in Lebanon. J Clin Nurs 2014; 23(11– 12): 1620– 1629. doi: 10.1111/ jocn.12278.

20. Sardo PM, Simões CS, Alvarelhão JJ et al. Fall risk as­ses­s­­-ment: retrospective analysis of Morse Fall Scale scores in Portuguese hospitalized adult patients. Appl Nurs Res 2016; 31: 34– 40. doi: 10.1016/ j.apnr.2015.11.013.

21. Gu YY, Balcaen K, Ni Y et al. Review on prevention of fal­ls in hospital settings. Chin Nurs Res 2016; 3(1): 7– 10. doi: 10.1016/ j.cnre.2015.11.002.

22. Bradley SM, Karani R, McGinn T et al. Predictors of serious injury among hospitalized patients evaluated for fal­ls. J Hosp Med 2010; 5(2): 63– 68. doi: 10.1002/ jhm.555.

23. Morse J. Prevent­­ing patient fal­ls. Establish­­ing a Fall Intervention Program. 2nd ed. New York: Springer Publish­­ing Company, LLC 2009.

24. Miake-Lye IM, Hempel S, Ganz DA et al. Inpatient fall prevention programs as a patient safety strategy. A systematic review. Ann Intern Med 2013; 158 (5 Pt 2): 390– 396. doi: 10.7326/ 0003-4819-158-5-201303051-00005.

25. Cumbler EU, Simpson JR, Rosenthal LD et al. Inpatient fal­ls: defin­­ing the problem and identify­­ing pos­sible solution. Part I: an evidence-based review. Neurohospitalist 2013; 3(3): 135– 143. doi: 10.1177/ 1941874412470665.

26. Kim KS, Kim JA, Choi YK et al. A comparative study of the validity of fall risk as­ses­sment scales in Korean hospitals. Asian Nurs Res (Korean Soc Nurs Sci) 2011; 5(1): 28– 37. doi: 10.1016/ S1976-1317(11)60011-X.

27. Morse JM, Morse RM, Tylko SJ. Development of a scale to identify the fal­l-prone patient. Canadian J Ag­­ing 1989; 8(4): 366– 377. doi: 10.1017/ S0714980800008576.

28. R Core Team. R: a language and environment for statistical computing. R Foundation for Statistical Computing. Vien­na: Austria 2018. [online]. Available from URL: https:/ / www.R-project.org/ .

29. Venables WN, Ripley BD. Modern Applied Statistics with S. 4th ed. New York: Springer 2002.

30. Fal­ls in older people: as­ses­s­­ing risk and prevention. NICE Clinical Guideline 161 (reviewed). Developed by the Centre for Clinical Practice at NICE, 2018. 31 p. [online]. Available from URL: https:/ / www.nice.org.uk/ guidance/ cg161/ chapter/ about-this-guideline.

31. Gunn H, Creanor S, Haas B et al. Risk factors for fall in multiple sclerosis: an observational study. Mult Scler 2013; 19(14): 1913– 1922. doi: 10.1177/ 1352458513488233.

32. Bednařík J, Ambler Z, Růžička E et al. Klinická neurologie –  část speciální I. Praha: TRITON 2010: 707.

33. Lunsford B, Wilson LD. As­ses­s­­ing your patients risk for fal­ling. American Nurse Today 2015; 10(7): 29– 31. 

34. Non­nekes J, Goselink RJ, Růžička E et al. Neurological disorders of gait, balance and posture: a sign-based approach. Nat Rev Neurol 2018; 14(3): 183– 189. doi: 10.1038/ nrneurol.2017.178.

35. Mion LC, Chandler AM, Waters TM et al. Is it pos­sible to identify risks for injurious fal­ls in hospital patients? Jt Comm J Qual Patient Saf 2012; 38(9): 408– 413. 

36. Gray-Miceli D, Quigley PA. Fal­ls prevention: as­ses­sment, dia­gnoses, and intervention strategies. In: Boltz M et al (eds). Evidence-based geriatric Nurs­­ing Protocols for Best Practice. 4th ed. New York: SpringerPublish­­ing Company 2012: 268– 297.

37. Marshall FJ. Approach to the elderly patient with gait disturbance. Neurol Clin Pract 2012; 2(2): 103– 111. doi: 10.1212/ CPJ.0b013e31825a7823.

38. Fehlberg EA, Lucero RJ, Weaver MT et al. As­sociations between hypernatremia, volume depletion and the risk of fal­ls in US hospitalised patients: a case-control study. BMJ Open 2017; 7(8): e017045. doi: 10.1136/ bmjopen-2017-017045.

39. Guil­laume D, Crawford S, Quigley P. Characteristics of the middle-age adult inpatient fal­l. Appl Nurs Res 2016; 31: 65– 71. doi: 10.1016/ j.apnr.2016.01.003.

40. Krasulová E, Blahová Dušánková J, Havrdová E. Roz­-troušená skleróza –  psychoneuroimunolo­gické onemoc­nění centrálního nervového systému. Psychiatr Prax 2009; 10(3): 121– 125.

41. Kurčová S, Menšíková K, Kaiserová M et al. Pre-motorické a non-motorické príznaky Parkinsonovej choroby –  taxonómia, klinická manifestácia a neuropatologické koreláty. Cesk Slov Neurol N 2016; 79/ 122(3): 255– 270. doi: 10.14735/ amcsn­n2016255.

42. Custodio N, Lira D, Her­rera-Perez E et al. Predictive model for fal­l­­ing in Parkinson dis­ease patients. eNeurological Sci 2016; 5: 20– 24. doi: 10.1016/ j.ensci.2016.11.003.

43. Dušek L, Pavlík T, Jarkovský J et al. Analýza dát v neurologii –  XXVIII. Hodnocení dia­gnostických testů –  křivky ROC. Cesk Slov Neurol N 2011; 74/ 107(4): 493– 499.

44. Pokorná A, Búřilová P, Šrombachová V et al. Centrální systém hlášení nežádoucích událostí –  Metodika nežádoucí událost PÁD. Plná verze metodiky 1/ 2017. Praha: Ústav zdravotnických informací a statistiky ČR 2017: 40.

45. Bittencourt VL, Graube SL, Stumm EM et al. Factors as­sociated with the risk of fal­ls in hospitalized adult patients. Rev Esc Enferm USP 2017; 51: e03237. doi: 10.1590/ S1980-220X2016037403237.

Štítky
Dětská neurologie Neurochirurgie Neurologie

Článek vyšel v časopise

Česká a slovenská neurologie a neurochirurgie

Číslo 6

2019 Číslo 6

Nejčtenější v tomto čísle

Tomuto tématu se dále věnují…


Přihlášení
Zapomenuté heslo

Nemáte účet?  Registrujte se

Zapomenuté heslo

Zadejte e-mailovou adresu se kterou jste vytvářel(a) účet, budou Vám na ni zaslány informace k nastavení nového hesla.

Přihlášení

Nemáte účet?  Registrujte se