随着全球人口老龄化趋势的不断加剧，残疾老年人口数量显著增长，家庭照护作为中国传统养老模式的核心，承担着主要照护责任，但长期高强度的照护工作给家庭照护者带来了巨大的身体、心理和经济压力。在这种背景下，喘息服务作为一种支持性干预措施，能够为照护者提供临时休息机会，帮助其恢复身心平衡并提高生活质量。然而，目前喘息服务的推广和实施面临关键挑战，即对照护者需求影响因素的认识不足，且缺乏精准的预测模型，导致资源分配效率低下，难以准确识别有需求的照护者。为此，本研究旨在系统识别影响家庭照护者对喘息服务需求的关键因素，并构建可靠的预测模型，为政策制定者和实践者提供科学依据，支持针对性资源分配，优化喘息服务体系的可持续发展。

本研究于2024年1月至2025年3月期间，纳入了356名残疾老年人的家庭照护者作为研究对象，这些照护者主要来源于社区中心和徐州医科大学附属医院肿瘤科的注册名单。纳入标准包括为主要照护者、照护经验不少于3个月、年龄18岁以上、认知功能正常且自愿参与研究，排除标准包括有严重精神疾病或认知障碍、近期经历重大家庭危机或拒绝提供相关信息者。参与者按7:3的比例随机分为训练集和验证集，训练集包含249名照护者，验证集包含107名照护者，研究经徐州医科大学附属医院伦理委员会批准，所有参与者均签署书面知情同意书。

数据收集采用自行设计的问卷，内容包括照护者人口学特征、照护相关信息、老年人特征以及支持系统四个方面，其中照护者人口学特征涵盖年龄、性别、婚姻状况、教育水平、就业状况和家庭收入，照护相关信息包括照护持续时间、照护频率、是否与老年人同住以及是否有次要照护者，老年人特征包括合并症数量、日常生活活动能力（采用Barthel指数评估）和认知功能（采用简易精神状态检查评估），支持系统则包括家庭支持水平和社区支持水平，均按频率和主动性分为强、中、弱三个等级。数据通过面对面或电话访谈方式收集，由经过统一培训的调查员执行，访谈地点根据参与者偏好和可及性选择在社区活动室、医院会议室或家中，每次访谈持续30至45分钟，调查员实时记录回答以确保数据准确性和完整性。

表1 训练集和验证集基线特征比较

在统计分析方面，研究使用SPSS 25.0和R 4.0.1软件进行数据处理，连续变量以均值±标准差表示，组间比较采用独立t检验或方差分析，分类变量以频数和百分比表示，组间比较采用卡方检验。缺失数据通过Little's MCAR检验评估，对于缺失值少于10%的变量采用多重插补法处理，缺失值超过30%的个案被排除。首先通过单因素逻辑回归分析筛选与喘息服务需求相关的潜在因素，将P值小于0.05的变量纳入多因素逻辑回归分析，以喘息服务需求为因变量，计算比值比和95%置信区间，并通过容忍度、方差膨胀因子和条件指数评估多重共线性。基于多因素逻辑回归识别出的独立因素，使用R软件构建列线图预测模型，模型的区分能力通过C指数和受试者工作特征曲线下面积进行评估，校准能力通过校准曲线和Hosmer-Lemeshow检验评估，临床实用性则通过决策曲线分析评估，所有统计分析均以P值小于0.05为具有统计学意义。

结果显示，在训练集中有131名照护者表现出对喘息服务的需求，占52.61%，验证集中有56名照护者有需求，占52.34%。单因素分析表明，照护者年龄、家庭收入、照护持续时间、照护频率、日常生活活动能力和社区支持水平在需求组和非需求组之间存在显著差异。多因素逻辑回归分析进一步确认了这六个因素为喘息服务需求的独立影响因素，其中照护者年龄每增加一岁，需求概率增加4.6%，照护持续时间每增加一个月，需求概率增加3.3%，照护频率每增加一次，需求概率增加44.1%，而家庭收入每增加一千元，需求概率降低26.1%，日常生活活动能力越强，需求概率显著降低，社区支持水平越弱，需求概率大幅增加。影响因素的重要性排序为社区支持水平、日常生活活动能力、照护持续时间、家庭收入、照护者年龄和照护频率，这一排序基于标准化回归系数的绝对值得出。

列线图模型通过为每个因素分配分数并计算总分来预测需求概率，模型在训练集中的C指数为0.883，ROC曲线下面积为0.859，敏感性和特异性分别为0.943和0.783，在验证集中的C指数为0.823，ROC曲线下面积为0.894，敏感性和特异性分别为0.907和0.871，校准曲线显示预测值与观测值之间的平均绝对误差在训练集和验证集中分别为0.098和0.126，Hosmer-Lemeshow检验P值均大于0.05，表明模型拟合良好。决策曲线分析显示，在阈值概率为0.15至0.85的范围内，使用该模型预测喘息服务需求能够提供更高的临床净收益，优于假设所有照护者均需要或均不需要服务的策略。

图1 影响因素重要性排名（X1: 照顾者年龄, X2: 家庭收入, X3: 照顾持续时间, X4: 照顾频率, X5: 日常生活活动能力, X6: 社区支持水平）

综上，照护者年龄、家庭收入、照护持续时间、照护频率、老年人日常生活活动能力和社区支持水平是影响残疾老年人家庭照护者喘息服务需求的关键预测因素，构建的列线图模型在内部验证中表现出良好的校准能力、预测准确性和临床实用性，有助于精准识别有需求的照护者并优化资源分配。然而，研究存在一定局限性，例如未进行外部验证，样本主要来自特定地区和医疗机构，可能影响模型的泛化能力，未来研究需要在农村和城市、多省份样本中进一步验证模型，并探讨因素间的交互作用，以完善政策干预措施，最终减轻照护者负担并提高其生活质量。

原始出处：

An, Y., Cao, L., Li, Z., Cai, Q., Zhao, S., & Li, X. (2025). Determinant prioritization and predictive modeling of respite service demand among disabled elderly caregivers. Scientific Reports, 15, 33522. https://doi.org/10.1038/s41598-025-17912-3

本文相关学术信息由梅斯医学提供，基于自主研发的人工智能学术机器人完成翻译后邀请临床医师进行再次校对。如有内容上的不准确请留言给我们。

Tags： Scientific Reports：残疾老年人家庭照护者喘息服务需求研究，6 大关键因素识别与列线图预测模型构建