本文是一篇内科护理论文，本研究通过文献回顾、专家函询和课题小组讨论获得危险因素提取表，再通过横断面研究，进行Logistic回归分析获得的与老年糖尿病住院患者衰弱相关的危险因素，相对全面、科学地得出危险因素；
第1章绪论
1.1研究背景
1.1.1老年糖尿病人口数量逐年递增
全球人口老龄化已经是一个不可忽视的趋势，根据数据显示[1]，在2021年全球65岁及以上人口已经达到7.61亿人，而且从2020年到2030年这10年之间，60岁以上人口将会从原来的10亿人增加40%，约到14亿人，预计到2030年，60岁以上的人口数量将达到全世界人口数量的六分之一，到2050年全世界60岁以上人口将增加到16亿。随着人口老龄化的日趋严重，老年糖尿病患者人数也出现逐年增加的趋势，全世界大约有4.51亿糖尿病患者，其中约1.23亿60岁及以上的患者，预计到2030年这人口数量将上升到6.43亿[2,3]。根据国家统计局调查结果显示，中国大于或等于65岁的老年糖尿病患者大约有3000万人，目前居于世界第一，约占全球老年糖尿病患者的1/4，并且呈现逐年上升的趋势，糖尿病所导致的残疾和死亡，给国家带来了沉重的经济压力[4]。老年糖尿病人口数量的不断增加对个人、家庭甚至整个社会的发展都带来了重大的影响。此外，由糖尿病所产生的各种急性并发症和慢性并发症也深深影响着老年人的健康和生活质量。
1.1.2老年糖尿病住院患者衰弱的发生率高
其中衰弱已成为老年糖尿病患者的第三大并发症[5]。衰弱是个体对不良结局易感性增加的临床综合征。Ling等[6]研究表明，在老年糖尿病患者中衰弱的发生率为20.1%。一项系统评价显示[7]，有30%的老年糖尿病患者发生衰弱的情况，其中亚组分析的数据揭示，男性患者和女性患者的发生率分别为24%和31%，在亚洲是28%，在欧洲和北美洲分别为27%和41%。一项日本的研究显示[8]，日本地区的老年糖尿病住院患者衰弱发生率达到了41.7%。一项波兰的研究结果显示[9]，老年糖尿病患者衰弱的发生率高达80%。一项加拿大的研究同样显示[10]，衰弱的发生率高达84.4%，认为糖尿病患者比没有糖尿病的患者更容易发生衰弱。Yao等[11]研究表明老年住院患者的衰弱总体患病率为27.6%，与社区老年人的虚弱患病率10%相比，老年住院患者在衰弱的评估和干预方面值得更多关注。由此可见，老年糖尿病住院患者衰弱的发生率较高，早期识别并进行有效干预，对于延缓老年糖尿病患者衰弱的进程、提高生活质量非常重要。
1.2国内外研究现状
1.2.1老年糖尿病住院患者衰弱的影响因素研究现状
（1）国外老年糖尿病住院患者衰弱相关危险因素
老年糖尿病患者的衰弱受多种因素影响。一项前瞻性研究[27]对346例糖尿病患者进行了为期3年的随访，研究结果显示衰弱发生率为33.2%，衰弱在糖尿病患者中非常普遍，年龄、体重指数（Body Mass Index,BMI）、糖化血红蛋白、饮酒、运动时间和营养不良等因素是与衰弱相关的因素，而肥胖也是一个重要的风险因素。Yanagita等[28]对日本148例糖尿病患者进行了横断面研究，结果显示低白蛋白血症、冬氨酸氨基转移酶(AST)活性较低和体重偏瘦是老年2型糖尿病患者虚弱的独立危险因素，并且提示这些衰弱患者存在相对营养不良。Lin等[29]研究显示年龄、慢性病数量、脑血管意外、肾脏疾病、跌倒频率、高血糖频率、日常生活能力(Activities of Daily Living,ADL)、抑郁等因素与老年2型糖尿病患者的衰弱相关，且研究表明抑郁症与老年2型糖尿病患者衰弱风险相关的重要因素。Castrejón等[30]在一项横断面调查研究中表明，合并多病会增加老年糖尿病患者的衰弱风险。此外，也有研究认为糖尿病持续时间越长，衰弱的风险就越大[31]。Nishimura等[32]研究显示性别差异是衰弱的影响因素且女性患者衰弱的患病率较高。有研究同样认为老年2型糖尿病患者衰弱的独立危险因素中女性具有重要的作用[33,34]。
第2章制定《老年糖尿病患者衰弱危险因素提取表》
2.1研究方法
2.1.1文献回顾
（1）文献检索策略
通过在中国期刊文献数据库CNKI、维普全文数据库、万方数据库和中国生物医学文献数据库以及PubMed、Cochrane Library、Web of science、CINAHL和Embase英文数据库检索有关老年糖尿病住院患者衰弱的影响因素的文献，采用主题词联合自由词检索。中文检索词包括“糖尿病”“衰弱/虚弱/脆弱”“危险因素/影响因素/风险因素/相关因素/预测因素/原因”；英文检索词包括“diabetes”“frailty/fragile/fragility/debility/weakness”“factors/dangerous factors/risk/risk factors/influencing factors”。检索时限为建库至2023年1月。
（2）文献纳入与排除标准
纳入标准：本研究拟纳入病例对照、横断面研究、队列研究、Meta分析、系统评价等方法中与老年糖尿病患者衰弱的影响因素相关的文献。
排除标准：数据无法提取或者不能获取全文的文献；与主题不相符合的文献；重复发表的文献；非中、英文文献。
（3）文献筛选及资料提取
先根据入选与排除标准，独立地进行文献检索，阅读题目及摘要。然后由两位研究人员独立阅读符合条件的文献，提取数据后相互核对，决定是否纳入。最后对于不明确的文献进行进一步的讨论，并征询第三位资深研究人员的意见，以决定是否纳入文献。提取文献中的作者、研究类型以及危险因素。
2.2研究结果
2.2.1文献回顾结果
(1)文献检索结果
按照检索策略，共检索国内外相关文献7365篇，包括中文文献1052篇，英文文献6312篇，剔除了2537篇重复论文，并通过对论文题目及摘要的筛选，得到110篇。最后共纳入21篇文献，包括18篇原始研究和3篇系统评价。文献筛查过程如图2-1。
第3章调查老年糖尿病住院患者衰弱的现状及危险因素................16
3.1研究设计............................16
3.2研究结果...........................19
3.3讨论............................25
第4章构建机器学习算法的老年糖尿病住院患者衰弱预测模型.....30
4.1模型构建方法.......................30
4.2研究结果...................................32
4.3讨论............................38
第5章研究结论与展望..................................41
5.1研究结论..................................41
5.2研究展望..........................41
第4章构建机器学习算法的老年糖尿病住院患者衰弱预测模型
4.1模型构建方法
4.1.1模型构建的对象
本研究纳入第3章节中收集的380例荆州市两家医院老年糖尿病住院患者的数据，采用二元Logistic回归分析将7项具有老年糖尿病患者衰弱的危险因素因子纳入模型。
4.1.2模型的选择
本研究考虑到为小样本且涉及多个变量的二分类医疗数据[145]，最终选择随机森林、支持向量机和K邻近三种算法构建模型，以下是三种模型：
（1）随机森林
随机森林(RF)算法是一种集成学习(Ensemble Learning,EL)方法，它的构建原理是：通过随机产生多棵决策树，每棵决策树都无需进行剪枝，可以随意地生长，当多棵决策树产生相同的分类结果时，则其集合的范围为最佳拟合模型[146]。随机森林算法在分类问题上表现得很好，不会出现过度拟合、不会出现数据失衡、数据丢失等情况，在各种机器学习算法的对比中，这种算法对疾病的预测精度更高，而且模型的表现也更好。
（2）支持向量机
支持向量机(SVM)是一种典型的二分类算法，是基于N维空间中的（N-1）维的超平面，将其划分为两类，利用映射函数，将线性非可分的数据映射到高维空间，实现特征的线性可分性；其次，由样本到线的距离代表着各类样本的可信度，目的是寻找出各类别中可信度较高的直线也就是利用最大的超面来划分特征[147]。支持向量机算法的优势是具有对未知数据有较好的推广能力和抗数据噪声能力。其次，该方法具有快速性，能够有效地处理高维、非线性等复杂特性，仅需一次训练样本即可建立一个分类模型，无需大量的训练样本。
第5章研究结论与展望
5.1研究结论
本研究先通过文献回顾和专家函询得出老年糖尿病患者衰弱的危险因素，然后选取荆州市两所三甲医院内分泌科和老年医学科老年糖尿病患者作为研究对象，通过横断面调查分析老年糖尿病患者衰弱的现状及危险因素，根据二元Logistic回归分析得出的危险因素构建基于机器学习算法的老年糖尿病患者衰弱风险预测模型，得出如下结论：
（1）老年糖尿病住院患者中衰弱的发生率较高，医护人员在给老年糖尿病住院患者治疗时应密切关注衰弱的发生；
（2）基于三种机器学习算法构建老年糖尿病住院患者衰弱预测模型，采用模型评价指标对三种模型进行比较后发现，随机森林模型预测性能最优且具有最好的准确度和精确度，可以作为未来临床上识别老年糖尿病住院患者衰弱发生的预测模型；
（3）通过随机森林最优模型的分析特征重要性排序发现，老年糖尿病住院患者发生衰弱主要与多病共存、多重用药、自我管理能力、营养状况、25-hydroxyvit-amin D3、糖尿病病程、ADL因素密切相关。其中多病共存为首要的危险因
