作者投稿
专家审稿
编辑办公
邮件订阅
RSS
A Bibliometric Analysis of the Global Research on Multimorbidity in Older Adults from 2000 to 2023
-
摘要:目的
分析2000—2023年老年人共病领域的国际研究趋势及前沿热点，以期为老年人共病研究提供借鉴。
方法检索Web of Science数据库，将文献类型限制为“Article”或“Review”，纳入发表时间为2000年1月1日—2023年10月24日的老年人共病相关英文文献。采用VOSviewer 1.6.18软件对文献中的内容进行提取，并绘制高产国家/地区(发文量≥30篇)、机构(发文量≥43篇)的合作网络图及高频关键词(出现频次≥74次)的共现关系时间线图。采用CiteSpace 6.1.R6软件对作者、研究机构、国家等信息进行共现和聚类分析。采用R语言“bibliometrix”包分析文献的关键词演变趋势。
结果共获得老年人共病相关文献2590篇(包括Article 2230篇、Review 360篇)。自2000年以来全球发文量快速增长，美国在该领域的发文量(35.02%，907/2590)及总被引频次(31 343次)均最多。加拿大多伦多大学的发文量最大(2.59%，67/2590)，加拿大麦克马斯特大学的Jenny Ploeg(1.24%，32/2590)是成果产出最多的作者。BMC Geriatr(3.82%，99/2590)是收录老年人共病相关文献最多的期刊。该领域高频关键词主要为“multimorbidity”“older adults”“frailty”“aging”和“polypharmacy”。
结论近年来，老年人共病研究的热点主要集中于老年人共病与衰老的关系，以及与共病相关的衰弱和多重用药方面。未来可更多围绕老年综合评估、初级卫生保健以及生活质量等内容展开研究。
Abstract:ObjectiveTo analyze the research trends and cutting-edge hot spots in the field of multimorbidity in older adults from 2000 to 2023 to provide reference for related research.
MethodsWe conducted a search in the Web of Science Core Collection database, specifically looking for articles or reviews in English on multimorbidity in older adults published between January 1, 2000 and October 24, 2023. VOSviewer 1.6.18 software was used to extract the contents in the literature and draw the cooperative network diagram of high-producing countries(≥30 articles) and institutions(≥43 articles) as well as the timeline diagram of high-frequency keywords(≥74 occurrences) co-occurrence relationship. CiteSpace 6.1.R6 software was used to co-occur and cluster analyze the information of authors, research institutions and countries. The "bibliometrix" package in R was used to analyze the evolution of keywords in the literature.
ResultsA total of 2590 documents consisting of 2230 Articles and 360 Reviews were obtained. The worldwide publication count significantly increased since 2000. Among the countries, the United States had the highest number of publications (35.02%, 907/2590) and total citations(31 343 times) in this field. The University of Toronto in Canada had the largest number of articles(2.59%, 67/2590). Jenny Ploeg of McMaster University was recognized as the most prolific author(1.24%, 32/2590). When it came to journals, BMC Geriatrics had the highest amount of literature related to multimorbidity(3.82%, 99/2590). The key areas of research in this field included multimorbidity, older adults, frailty, aging, and polypharmacy. Notably, there was growing interest in studying the relationship between multimorbidity and aging in older adults, as well as the impact of frailty and polypharmacy on multimorbidities.
ConclusionsIn recent years, research on multimorbidities in the elderly has primarily centered around examining the correlation between comorbidities and aging, as well as exploring the impact of frailty and polypharmacy on individuals with multimorbidities. Future research could delve into primary health care, comprehensive geriatric assessment for older adults with multimorbidities, and maintenance of their overall quality of life.
-
Keywords:
- multimorbidity /
- older adults /
- bibliometrics /
- visual analysis /
- research hot spots /
- clinical practice
-
结直肠癌(colorectal cancer，CRC)是世界第三大常见癌症，也是癌症相关死亡的第二大原因[1]。根据2022年中国国家癌症中心统计数据，我国每年新增确诊CRC患者约为408万例，死亡人数约为19.6万例，分别位列恶性肿瘤的第二位和第四位[2]。CRC患者预后差的主要原因是肝转移，约50%的CRC患者在初次就诊时或术后即发生肝转移[3]。其中肝转移灶获得根治性切除患者的中位生存期可达35个月，5年生存率为30%~57%[4]；而肝转移灶未获得根治性切除患者的中位生存期不足7个月，5年生存率仅为5%[5]。因此临床早期发现肝转移可显著提高CRC患者的远期预后，降低患者病死率[6]。
目前，判断CRC患者是否存在肝转移的主要方法是影像学检查，但其对设备要求较高、受影像科医生业务水平影响大，且存在检查费用较高等不足[7]，因此亟需一种简单、经济且客观的检测方法。临床研究表明，在恶性肿瘤出现肝转移时，患者的肝功能指标会发生异常改变，因此常规行肝功能指标检测有望早期发现肝转移[8]。Johnson等[9]于2015年提出了一种新的肝功能评估模型即白蛋白-胆红素(albumin-bilirubin, ALBI)评分，其由胆红素和血清白蛋白水平组成，分为3级，等级越高，表明患者的肝功能越差。新近研究表明，ALBI评分与多种癌症的预后具有相关性，包括具有肝转移的结直肠癌、可切除胃癌和可切除胰腺癌[10]。癌胚抗原(carcinoembryonic antigen，CEA)是目前被广泛认可的广谱肿瘤标志物，手术前后检测血清CEA水平可预判CRC的肝转移及隐匿性转移[11]。有研究表明, 当CRC术后血清CEA≥15 μg/L时，患者发生远处转移的风险增高[12]。目前尚无相关研究将ALBI评分与常规肝功能指标及CEA联合对CRC肝转移进行预测，本研究将探讨其对CRC发生肝转移的预测价值，为临床识别和预测CRC肝转移提供新思路。
1. 资料与方法
1.1 研究对象与分组
本研究为回顾性队列研究。连续纳入2016年1月至2021年7月于兰州大学第二医院接受手术治疗的CRC患者。纳入标准：(1)术后病理证实为结直肠腺癌；(2)实验室血常规检查及肿瘤标志物检测记录齐全；(3)入院前未接受任何放化疗及激素治疗。排除标准：(1)随访不足24个月；(2)肝转移患者的肝脏病变经病理或经病史结合影像学检查证实为非结直肠转移癌；(3)既往有其他恶性肿瘤病史及血液系统疾病；(4)合并其他部位原发性恶性肿瘤。
根据患者出院后24个月内肝转移发生情况，将入组的CRC患者分为肝转移组与非肝转移组，并按2∶1比例随机分为建模组与验证组。本研究已通过兰州大学第二医院伦理委员会审批(审批号：2023A-400), 并豁免患者知情同意。
1.2 研究方法
1.2.1 资料收集
通过电子病历系统获取患者的基本信息，包括年龄、性别、体质量指数(body mass index，BMI)、原发肿瘤位置、既往史、院前治疗方式、术前实验室检查、影像学结果及术后病理学诊断等。实验室检查包括总胆红素(total bilirubin，TBIL)、直接胆红素(direct bilirubin，DBIL)、间接胆红素(indirect bilirubin, IBIL)、丙氨酸氨基转移酶(alanine transa-minase，ALT)、天冬氨酸氨基转移酶(aspartate transaminase，AST)、天冬氨酸氨基转移酶/ 丙氨酸氨基转移酶(aspartate transaminase/alanine transa-minase，AST/ALT)、总蛋白(total protein，TP)、白蛋白(albumin，ALB)、球蛋白(globulin，GLO)、白球比(albumin/globulin，A/G)、γ-谷氨酰转移酶(γ-glutamyle transpeptidase，GGT)、碱性磷酸酶(alkaline phosphatase，ALP)、甲胎蛋白(alpha fetoprotein，AFP)、CEA、糖类抗原125 (carbohydrate antigen 125，CA125)、糖类抗原19-9(carbohydrate antigen19-9，CA19-9)。ALBI评分根据实验室检查结果进行计算。随访信息通过电子病历或电话咨询获得。
1.2.2 样本量估算
依据公式n=Z2*P(1-P)/d2估算样本量[13], 既往文献报道CRC术后肝转移发生率为15%~25%，即P=15%，Z=1.96，d=0.05，经计算CRC患者样本量最小应为196例。
1.2.3 偏倚控制
(1) 本研究严格按照纳入、排除标准选择研究对象; (2)数据由双人录入、核对，尽量减少主观偏倚。
1.3 统计学处理
采用SPSS 26.0及R4.2.2软件进行统计学分析。符合正态分布的计量资料以均数±标准差表示，组间比较采用t检验；不符合正态分布的计量资料以中位数(四分位数)表示，组间比较采用Wilcoxon秩和检验。计数资料以例数(百分数)表示，组间比较采用卡方检验。在建模组中，以患者是否发生肝转移作为因变量，采用“glmnet”包进行Lasso回归变量筛选，通过交叉验证选择最佳λ值，折叠次数为10次，并应用Forward LR法构建Lasso-Logistic回归模型。绘制受试者工作特征(receiver operating characteristic，ROC)曲线, 计算ROC曲线下面积(area under the curve，AUC)，评估其区分度，应用校准曲线和临床决策曲线分析其校准度和临床获益，同时采用Bootstrap法对建模组进行内部验证。最后，采用“rms”包绘制列线图。对于缺失比例≤5%的检验数据，用各变量的中位值进行填补。双侧检验，以P＜0.05为差异具有统计学意义。
2. 结果
2.1 患者一般资料
本研究最终入选符合纳入与排除标准的CRC患者195例，入组流程见图 1。其中男性113例，女性82例；年龄26~90岁, 平均年龄(60.5±12.3)岁。依据随访结果分为肝转移组(70例)和非肝转移组(125例)。两组患者在原发肿瘤位置、TBIL、DBIL、ALT、AST、ALT/AST、TP、ALB、A/G、GGT、ALP、CEA、CA125、CA19-9、ALBI评分的差异具有统计学意义(P均＜0.05)，见表 1。按2∶1随机分为建模组(130例)和验证组(65例)，其中建模组中肝转移患者50例，非肝转移患者80例；验证组中肝转移患者20例，非肝转移患者45例。两组患者基本资料差异无统计学意义(P均＞0.05)，见表 2。
表 1 肝转移组与非肝转移组的基线资料比较(n=195)Table 1. Baseline data between liver metastasis group and non-liver metastasis group(n=195)指标 肝转移组(n=70) 非肝转移组(n=125) P值 年龄(x±s，岁) 58.3±12.5 61.7±12.0 0.067 性别[n(%)] 0.865 男 40(57.1) 73(58.4) 女 30(42.9) 52(41.6) 原发肿瘤位置[n(%)] 0.042 结肠 38(54.3) 49(39.2) 直肠 32(45.7) 76(60.8) BMI[M(P25, P75), kg/m2] 22.5(21.4, 24.7) 22.1(20.2, 25.0) 0.280 TBIL[M(P25, P75), μmol/L] 14.9(11.6, 24.7) 12.8(9.4, 16.9) 0.001 DBIL[M(P25, P75), μmol/L] 7.2(4.3, 10.6) 3.3(2.3, 5.4) ＜0.001 IBIL[M(P25, P75), μmol/L] 9.3(5.2, 14.3) 8.8(6.0, 12.1) 0.642 ALT[M(P25, P75), U/L] 31.5(16.0, 54.8) 17.0(10.0, 25.0) ＜0.001 AST[M(P25, P75), U/L] 40.0(27.8, 87.3) 20.0(16.0, 25.5) ＜0.001 AST/ALT[M(P25, P75)] 1.6(1.1, 2.2) 1.4(0.9, 1.7) 0.005 TP[M(P25, P75), g/L] 65.1(58.9, 70.6) 69.4(64.3, 73.4) 0.001 ALB[M(P25, P75), g/L] 36.3(29.5, 40.2) 41.4(38.3, 44.1) ＜0.001 GLO[M(P25, P75), g/L] 29.3(24.7, 33.5) 28.3(24.0, 31.0) 0.124 A/G(x±s) 1.2±0.4 1.5±0.3 ＜0.001 GGT[M(P25, P75), U/L] 59.0(25.8, 148.0) 18.0(13.0, 25.5) ＜0.001 ALP[M(P25, P75), U/L] 122.5(77.5, 211.0) 76.0(63.0, 90.5) ＜0.001 AFP[M(P25, P75), μg/L] 2.6(1.6, 3.4) 2.5(1.8, 3.2) 0.845 CEA[M(P25, P75), μg/L] 79.5(12.5, 476.0) 2.9(1.8, 5.9) ＜0.001 CA125[M(P25, P75), U/mL] 21.3(11.0, 54.7) 11.1(7.9, 16.7) ＜0.001 CA19-9[M(P25, P75), U/mL] 85.5(17.3, 801.7) 10.9(7.5, 17.0) ＜0.001 ALBI评分[M(P25, P75), 分] -2.3(-2.7, -1.6) -2.8(-3.0, -2.6) ＜0.001 BMI(body mass index)：体质量指数；TBIL(total bilirubin)：总胆红素；DBIL(direct bilirubin)：直接胆红素；IBIL(indirect bilirubin)：间接胆红素；ALT(alanine transaminase)：丙氨酸氨基转移酶；AST(aspartate transaminase)：天冬氨酸氨基转移酶；TP(total protein)：总蛋白；ALB(albumin)：白蛋白；GLO(globulin): 球蛋白；A/G(albumin/globulin)：白球比；GGT(γ-glutamyle transpeptidase)：γ-谷氨酰转移酶；ALP(alkaline phosphatase)：碱性磷酸酶；AFP(alpha fetoprotein)：甲胎蛋白；CEA(carcinoembryonic antigen)：癌胚抗原；CA125(carbohydrate antigen 125)：糖类抗原125；CA19-9(carbohydrate antigen19-9)：糖类抗原19-9；ALBI(albumin-bilirubin)：白蛋白-胆红素 表 2 建模组与验证组的基线资料比较(n=195)Table 2. Baseline data between modeling group and validation group(n=195)指标 建模组(n=130) 验证组(n=65) P值 年龄(x±s，岁) 60.3±11.8 60.8±13.2 0.770 性别[n(%)] 0.473 男 73(56.2) 40(61.5) 女 57(43.8) 25(38.5) 原发肿瘤位置[n(%)] 0.222 结肠 62(47.7) 25(38.5) 直肠 68(52.3) 40(61.5) BMI[M(P25, P75), kg/m2] 22.3(20.3, 24.9) 22.0(20.6, 25.0) 0.992 TBIL[M(P25, P75), μmol/L] 13.3(10.2, 18.0) 14.0(9.6, 18.7) 0.825 DBIL[M(P25, P75), μmol/L] 4.7(2.8, 7.3) 3.9(2.7, 7.1) 0.462 IBIL[M(P25, P75), μmol/L] 8.7(5.5, 11.9) 9.6(5.6, 13.0) 0.412 ALT[M(P25, P75), U/L] 17.5(11.0, 31.0) 20.0(11.0, 33.0) 0.518 AST[M(P25, P75), U/L] 24.5(17.0, 36.0) 24.0(17.5, 38.0) 0.846 AST/ALT[M(P25, P75)] 1.4(0.9, 1.8) 1.4(0.9, 1.9) 0.715 TP[M(P25, P75), g/L] 68.3(63.8, 72.9) 67.1(61.8, 73.0) 0.348 ALB[M(P25, P75), g/L] 40.1(35.8, 43.5) 39.1(36.8, 42.7) 0.666 GLO[M(P25, P75), g/L] 28.7(24.4, 32.4) 28.4(24.0, 31.4) 0.556 A/G(x±s) 1.4±0.4 1.4±0.3 0.990 GGT[M(P25, P75), U/L] 22.5(14.0, 51.3) 22.0(14.5, 40.5) 0.828 ALP[M(P25, P75), U/L] 80.0(63.8, 111.0) 86.0(67.0, 110.0) 0.606 AFP[M(P25, P75), μg/L] 2.5(1.7, 3.3) 2.7(1.6, 3.2) 0.607 CEA[M(P25, P75), μg/L] 4.7(2.0, 33.3) 5.3(2.5, 35.3) 0.514 CA125[M(P25, P75), U/mL] 12.6(8.6, 23.2) 13.2(9.1, 22.7) 0.790 CA19-9[M(P25, P75), U/mL] 13.9(8.1, 52.6) 15.2(8.2, 52.4) 0.697 ALBI评分[M(P25, P75), 分] -2.7(-2.9, -2.3) -2.7(-2.9, -2.4) 0.522 BMI、TBIL、DBIL、IBIL、ALT、AST、TP、ALB、GLO、A/G、GGT、ALP、AFP、CEA、CA125、CA19-9、ALBI：同表 1 2.2 Lasso-Logistic回归预测模型的构建
在建模组中，以患者是否发生肝转移作为因变量，使用Lasso回归进行变量筛选，通过交叉验证选择最佳λ值，折叠次数为10次(图 2)。本研究选取lambda.min作为最佳λ值，Lasso回归并应用Forward LR法进行Logistic分析，结果显示ALBI(OR=8.062, 95% CI：2.545~25.540)、ALT(OR=1.037, 95% CI：1.004~1.071)与CEA(OR=1.025，95% CI：1.008~1.043)可作为CRC发生肝转移的独立预测因素(表 3)。根据Lasso-Logistic回归分析结果，纳入ALBI评分、ALT、CEA 3个变量，构建Lasso-Logistic回归预测模型。
![]()
图 2 基于Lasso回归的特征变量筛选A.十倍交叉验证图; B.收缩系数图Figure 2. Feature variable selection based on Lasso regressionA.Ten fold cross validation chart; B.Shrinkage coefficient chart表 3 结直肠癌肝转移影响因素的多因素Logistic回归分析结果Table 3. Multivariate Logistic regression analysis results of factors influencing liver metastasis of colorectal cancer变量 β 标准误差 Wald 自由度 P值 OR 95% CI 下限 上限 ALT(U/L) 0.036 0.017 4.734 1 0.030 1.037 1.004 1.071 CEA(μg/L) 0.025 0.009 8.017 1 0.005 1.025 1.008 1.043 ALBI评分(分) 2.087 0.588 12.588 1 0.000 8.062 2.545 25.540 常数项 3.047 1.555 3.839 1 0.050 21.058 - ALT、CEA、ALBI：同表 1 2.3 预测模型的内部评价与内部验证
建模组ALBI评分、ALT、CEA三者联合预测结直肠癌发生肝转移的AUC为0.921(图 3)，灵敏度为78.0%，特异度为95.0%(表 4)，C-index为0.921，H-L拟合度曲线χ2=0.851, P=0.654, 校准曲线斜率接近1(图 4)，提示该模型准确度较高，临床决策曲线显示该模型具有良好的临床应用价值(图 5)。对建模组数据，采用Bootstrap法进行1000次重抽样的内部验证，准确度为0.869，Kappa一致性为0.709，AUC为0.913。应用ALT、CEA与ALBI评分单独诊断CRC肝转移时，CEA的曲线下面积最大(AUC=0.897)，三者联合诊断CRC肝转移的效能最高(表 4)。验证组三者联合预测的AUC为0.918(图 3)，灵敏度为85.0%，特异度为95.6%(表 5)，C-index为0.918，H-L拟合度曲线χ2=0.586, P=0.746。
![]()
图 3 模型预测结直肠癌肝转移的受试者工作特征曲线A.建模组；B.验证组Figure 3. Receiver operating characteristic curve of the model predicting liver metastasis of colorectal cancerA.Modeling group; B.Verification group
ALT、CEA、ALBI: 同表 1表 4 建模组患者ALT、CEA和ALBI评分单独检测与联合检测的诊断效能比较Table 4. Diagnostic efficacy between individual and combined detection of ALT, CEA, and ALBI score in modeling group检测指标 AUC 灵敏度(%) 特异度(%) P值 ALT 0.704 58.0 85.0 ＜0.001 CEA 0.897 84.0 87.5 ＜0.001 ALBI评分 0.825 84.0 72.5 ＜0.001 ALT联合CEA 0.896 80.0 91.2 ＜0.001 ALT联合ALBI评分 0.858 80.0 78.7 ＜0.001 CEA联合ALBI评分 0.911 82.0 86.3 ＜0.001 三者联合 0.921 78.0 95.0 ＜0.001 ALT、CEA、ALBI：同表 1；AUC(area under the curve)：曲线下面积 ![]()
图 4 Lasso-Logistic回归模型校准曲线A.建模组；B.验证组Figure 4. Calibration curves of the Lasso-Logistic regression modelA.Modeling group; B.Verification group![]()
图 5 Lasso-Logistic回归模型临床决策曲线A.建模组；B.验证组Figure 5. Decision curve analysis of the Lasso-Logistic regression modelB.Modeling group; B.Verification group表 5 验证组患者ALT、CEA和ALBI评分单独检测与联合检测的诊断效能比较Table 5. Diagnostic efficacy between individual and combined detection of ALT, CEA, and ALBI score in verification group2.4 风险预测模型可视化
根据Lasso-Logistic回归分析结果，绘制CRC发生肝转移的列线图，见图 6。例如，若某研究对象ALBI评分为-3.0分，CEA为100 μg/L，ALT为50 U/L时，分别向评分轴垂直投射，将得到的分值相加：7+10+4=21，在总评分轴上找到21分的相应位置，垂直向下投射到CRC肝转移发生风险轴上的风险预测值约为0.70。
![]()
图 6 结直肠癌肝转移的列线图预测模型ALT、CEA、ALBI: 同表 1Figure 6. Nomogram prediction model for liver metastasis of colorectal cancer3. 讨论
本研究通过对患者ALBI评分、常规肝功能指标、肿瘤标志物等进行分析，得出ALBI评分、ALT与CEA是CRC发生肝转移的独立预测因素，随后采用Lasso-Logistic回归构建预测模型，采用Bootstrap法进行内部验证，发现ALBI评分、ALT和CEA三者联合预测CRC肝转移的AUC为0.918，灵敏度为85.0%，特异度为95.6%，C-index为0.918，H-L拟合度曲线χ2=0.586, P=0.746。提示三者联合预测CRC肝转移的效能较高，通过其构建的风险预测模型具有良好的临床应用前景。
由于CRC肝转移的肿瘤细胞数量少、浓度低，常规影像学检查(如CT、MRI等)无法对其进行早期诊断，因此寻找更好的方法以早期准确判断CRC肝转移迫在眉睫。
CEA存在于胃肠道和胰腺内胚层衍生上皮的恶性肿瘤中，在CRC患者体内过表达且分布于整个细胞膜[14]。既往有研究发现CEA高表达与CRC转移显著相关[15]。血清CEA在影像学发现肝转移灶前6个月即可增高，CRC肝转移患者的血清CEA、CA19-9和AFP明显高于无肝转移患者[16]。CEA高表达与CRC肝转移存在相关性的机制如下：CEA通过抑制失巢凋亡，降低了血液中癌细胞的死亡；CEA与Kupffer细胞受体蛋白结合，改变了肝脏微环境，有利于癌细胞的存活；CEA可上调与转移相关的细胞黏附分子[17]。Duffy等[18]建议CRC术后每隔2~3个月复查一次CEA有助于早期发现肝转移[19]。而邓玉雪等[20]研究发现，依据血清CEA诊断CRC肝转移的灵敏度仅为36.5%，难以达到早期发现肝转移的要求。晚期CRC患者及其他消化道恶性肿瘤中CEA表达水平明显升高，但早期单独检测CEA对于CRC肝转移的诊断可能存在假阳性及假阴性等情况，诊断准确度较低。
有文献报道，正常细胞的恶化可导致酶合成异常，酶学改变常出现在形态学改变之前[21]。AST和ALT与肝脏疾病及肿瘤疾病密切相关。当机体肝细胞受损时，ALT、AST可进入血液循环，导致血清AST、ALT水平增加[22]。有文献报道CRC肝转移患者的ALT水平会升高[23]。白傲雪等[24]研究表明，术后ALB、ALT、CEA、CA19-9增高的CRC患者发生肝转移的风险更高。Wu等[25]研究表明，CRC肝转移组的ALT、GGT、乳酸脱氢酶和CEA水平明显高于无肝转移组，差异具有统计学意义。敬蕾等[26]研究表明，术前肝功能分级B级相比A级的CRC患者更易发生肝转移(P＜0.05)，可能B级患者个体免疫功能更差，在抵抗癌细胞侵袭中能力较弱，增加了术后转移风险。然而，肝功能指标异常可能是由于继发性肝肿瘤占位效应所导致，发现时多数患者已处于疾病晚期。此外，引起肝功能异常的原因很多，如肿瘤细胞引起的促炎细胞因子增加可损害肝功能，导致胆汁淤积[27]；肝脏中Kupffer细胞产生的细胞因子增加促进了肝细胞和胆管细胞中胆汁酸转运蛋白的功能，胆汁酸的积累亦会导致肝功能受损[28]。
随着ALBI评分的提出，多项研究将其应用于CRC肝转移、可切除胃癌和可切除胰腺癌的预测中。相较于临床上最常用的肝功能评价指标Child-Pugh评分，ALBI去除了肝性脑病及腹水两个主观性指标，且数据获取更为便捷。但ALBI评分仅包含两项指标，且不存在上限效应，若患者存在低蛋白血症或高胆红素血症(如梗阻性黄疸)，ALBI评分则有失偏颇。此外，该评分起初是基于肝癌患者提出的，未考虑到其他病因的影响，对其他病因所导致的肝功能异常，有待进一步研究以证实其实用性和准确性。
以上研究[14-28]提示：仅依据肿瘤标志物或肝功能等单一指标预测CRC肝转移存在一定局限性，易导致误诊、漏诊。故本研究将ALBI评分与常规肝功能指标、CEA联合检测，以期做到早期发现CRC肝转移。本研究构建的基于ALBI评分、ALT和CEA的CRC肝转移风险预测模型，在建模组和验证组的C-index分别为0.921和0.918，校准图中两曲线重合度较好，具有良好的一致性，临床决策曲线也表现出良好的临床应用价值。通过分析可知，ALBI评分、ALT、CEA以及三者联合预测CRC肝转移的AUC分别为0.825、0.704、0.897、0.921，三者联合检测的灵敏度为85.0%，特异度高达95.6%，可有效减少误诊率，提高诊断准确率以及整体预测效能，预测价值较高。此外，三者联合检测的机制不同，能更全面地反映CRC肝转移对机体产生的影响，有利于早期发现肝转移。
本研究存在如下不足: (1)为单中心回顾性研究，可能存在病例选择偏倚；(2)缺乏多中心数据对模型进行外部验证，仍需大样本、多中心临床数据以提高模型的效度和可靠性。
综上所述，ALBI评分联合ALT及CEA预测CRC肝转移的特异度和准确率较高，将对提升CRC肝转移患者的诊治水平具有重要价值。
作者贡献：张宁负责论文构思、数据分析、论文撰写；张晓辰负责文献检索、文献筛选、数据分析；何牧负责文献筛选、数据分析；康琳、曲璇、朱鸣雷负责文献检索及论文修订；孙晓红负责论文修订与审核。利益冲突：所有作者均声明不存在利益冲突 -
![]()
图 1 2590篇老年人共病研究文献年发文量及被引频次分布情况
Figure 1. Distribution of annual publications and citation frequency of 2590 co-morbidity research literature on older adults
![]()
图 2 发文量≥30篇的国家/地区合作网络图
注：各节点间的连线表明二者存在合作关系，连线越粗表示合作关系越强。美国所代表的红色条带宽度、与其他条带的连接宽度均最大
Figure 2. Map of cooperation network of countries/regions with ≥30 publications
![]()
图 3 发文量居前10位的研究机构合作网络图
Figure 3. Collaborative network map of the top 10 research institutions in terms of number of publications
表 1 发文量、连接强度、被引频次居前10位的国家
Table 1 Top 10 countries in terms of number of publications, link strength and frequency of citations
序号 国家 发文量(篇) 国家 连接强度 国家 被引频次(次) 1 美国 907 英国 396 美国 31 343 2 英国 240 美国 371 英国 10099 3 加拿大 228 意大利 323 意大利 9258 4 意大利 206 西班牙 300 荷兰 7193 5 荷兰 200 荷兰 278 加拿大 7191 6 德国 191 德国 254 德国 5782 7 中国 185 澳大利亚 243 瑞典 5086 8 西班牙 184 法国 193 瑞士 4462 9 澳大利亚 183 加拿大 170 西班牙 3944 10 瑞典 105 比利时 170 澳大利亚 3693 
下载: 导出CSV
表 2 发文量、被引频次及共被引频次居前10位的作者
Table 2 Top 10 authors in terms of number of publications, citation frequency and co-citation frequency
序号 作者 发文量(篇) 作者 被引频次(次) 作者 共被引频次(次) 1 Jenny Ploeg 32 Alessandra Marengoni 3491 Alessandra Marengoni 566 2 Maureen Markle-Reid 29 Laura Fratiglioni 2794 Linda P Fried 496 3 Davide L.Vetrano 29 Susan M.Smith 1419 Martin Fortin 437 4 Alessandra Marengoni 28 Graziano Onder 1186 Mary E.Charlson 425 5 Cynthia M.Boyd 22 Martin Fortin 1123 World Health Organization 400 6 Amaia Calderon-Larranaga 22 Davide L.Vetrano 997 Cynthia M.Boyd 357 7 Graziano Onder 22 Cynthia M.Boyd 972 Karen Barnett 342 8 Laura Fratiglioni 21 Jenny Ploeg 963 Mary E Tinetti 335 9 Ai Koyanagi 17 Maureen Markle-Reid 815 Martine Exterman 293 10 Kathryn Fisher 16 Emma Wallace 799 Ronald C.Kessler 273
下载: 导出CSV
表 3 发文量、总连接强度、被引频次居前10位的研究机构
Table 3 Top 10 research institutions in terms of number of publications, total link strength and citation frequency
序号 机构名称 发文量(篇) 机构名称 总连接强度 机构名称 被引频次(次) 1 多伦多大学 67 卡罗林斯卡学院 164 卡罗林斯卡学院 4128 2 卡罗林斯卡学院 63 多伦多大学 135 哥伦比亚大学 3640 3 麦克马斯特大学 53 斯德哥尔摩大学 125 布雷西亚大学 3552 4 约翰斯·霍普金斯大学 51 约翰斯·霍普金斯大学 117 约翰斯·霍普金斯大学 3343 5 华盛顿大学 50 杜克大学 115 斯德哥尔摩大学 3055 6 密歇根州立大学 49 加利福尼亚大学旧金山分校 114 斯德哥尔摩老年研究中心 2830 7 杜克大学 47 布雷西亚大学 102 伦敦卫生与热带医学院 2731 8 加利福尼亚大学旧金山分校 45 哈佛医学院 100 印第安纳大学 2653 9 悉尼大学 45 圣心天主教大学 96 拉德堡德大学 2570 10 伦敦国王学院 43 斯德哥尔摩老年研究中心 94 匹兹堡大学 2134
下载: 导出CSV
表 4 发文量、被引频次居前10位的期刊
Table 4 Top 10 journals in terms of number of publications and frequency of citations
序号 期刊 发文量(篇) 影响因子(JCR2022) JCR分区 共被引期刊 被引频次(次) 影响因子(JCR2022) JCR分区 1 BMC Geriatr 99 4.1 Q2 J Am Geriatr Soc 4037 6.3 Q1 2 J Am Geriatr Soc 67 6.3 Q1 J Gerontol A Biol Sci Med Sci 2164 5.1 Q2 3 BMJ Open 56 2.9 Q2 J Am Med Assoc 2144 120.7 Q1 4 Arch Gerontol Geriatr 53 4 Q2 J Clin Oncol 2105 45.4 Q1 5 J Geriatr Oncol 53 3 Q3 Lancet 1829 168.9 Q1 6 PLoS One 50 3.7 Q2 PLoS One 1815 3.7 Q2 7 Age Ageing 46 6.7 Q1 J Clin Epidemiol 1781 7.2 Q1 8 Int J Environ Res Public Health 36 NA NA New Engl J Med 1431 158.5 Q1 9 J Gerontol A Biol Sci Med Sci 34 5.1 Q2 Age Ageing 1382 6.7 Q1 10 J Am Med Dir Assoc 33 7.6 Q1 Blood 1193 20.3 Q1
下载: 导出CSV
表 5 出现频次、总连接强度居前20位的关键词
Table 5 Top 20 keywords in terms of frequency of occurrenceand total link strength
序号 关键词 出现频次(次) 总连接强度 1 multimorbidity 1172 2194 2 older adults 886 1706 3 frailty 206 468 4 aging 153 301 5 polypharmacy 138 312 6 depression 137 294 7 chronic disease 134 302 8 mortality 124 261 9 geriatric assessment 83 200 10 quality of life 80 188 11 cancer 75 213 12 dementia 74 145 13 epidemiology 70 132 14 disability 68 145 15 comprehensive geriatric assessment 62 151 16 geriatrics 60 144 17 primary care 58 116 18 anxiety 54 118 19 geriatric oncology 46 123 20 geriatric 44 102
下载: 导出CSV
表 6 被引频次居前15位的文献
Table 6 Top 15 cited articles
序号 作者及发表时间 文章题目 期刊名称 被引频次(次) 文章类别 1 Moussavi S等(2007年) Depression, chronic diseases, and decrements in health: results from the World Health Surveys Lancet 2586 Article 2 Kroenke K等(2009年) The PHQ-8 as a measure of current depression in the general population J Affect Disord 2575 Article 3 Marengoni A等(2011年) Aging with multimorbidity: A systematic review of the literature Ageing Res Rev 1645 Review 4 Wolff JL等(2002年) Prevalence, expenditures, and complications of multiple chronic conditions in the elderly Arch Intern Med 1480 Article 5 Diniz BS等(2013年) Late-life depression and risk of vascular dementia and Alzheimer's disease: systematic review and meta-analysis of community-based cohort studies Br J Psychiatry 763 Review 6 Repetto L等(2002年) Comprehensive geriatric assessment adds information to Eastern Cooperative Oncology Group performance status in elderly cancer patients: An Italian group for geriatric oncology study J Clin Oncol 676 Article 7 Salive ME(2013年) Multimorbidity in Older Adults Epidemiol Rev 669 Article 8 Lehnert T等(2011年) Health Care Utilization and Costs of Elderly Persons With Multiple Chronic Conditions Med Care Res Rev 468 Review 9 Hanlon P等(2018年) Frailty and pre-frailty in middle-aged and older adults and its association with multimorbidity and mortality: a prospective analysis of 493 737 UK Biobank participants Lancet Public Health 441 Article 10 Byers AL等(2010年) High Occurrence of Mood and Anxiety Disorders Among Older Adults The National Comorbidity Survey Replication Arch Gen Psychiatry 428 Article 11 Quoix E等(2011年) Carboplatin and weekly paclitaxel doublet chemotherapy compared with monotherapy in elderly patients with advanced non-small-cell lung cancer: IFCT-0501 randomised, phase 3 trial Lancet 417 Article 12 Diederichs C等(2011年) The measurement of multiple chronic diseases--a systematic review on existing multimorbidity indices J Gerontol A Biol Sci Med Sci 413 Review 13 Smith SM等(2012年) Managing patients with multimorbidity: systematic review of interventions in primary care and community settings BMJ 396 Article 14 Björgvinsson T等(2013年) Psychometric properties of the CES-D-10 in a psychiatric sample Assessment 389 Article 15 Smith SM等(2016年) Interventions for improving outcomes in patients with multimorbidity in primary care and community settings Cochrane DatabaseSyst Rev 384 Review
下载: 导出CSV
-
[1] 闫伟, 路云, 张冉, 等. 基于CHARLS数据分析的我国老年人共病现状研究[J]. 中华疾病控制杂志, 2019, 23(4): 426-430. https://www.cnki.com.cn/Article/CJFDTOTAL-JBKZ201904013.htm Yan W, Lu Y, Zhang R, et al. Multimorbidity status of the elderly in China-research based on CHARLS data[J]. Chin J Dis Control Prev, 2019, 23(4): 426-430. https://www.cnki.com.cn/Article/CJFDTOTAL-JBKZ201904013.htm
[2] Xu X L, Mishra G D, Jones M. Evidence on multimorbidity from definition to intervention: an overview of systematic reviews[J]. Ageing Res Rev, 2017, 37: 53-68. DOI: 10.1016/j.arr.2017.05.003
[3] Kivimäki M, Strandberg T, Pentti J, et al. Body-mass index and risk of obesity-related complex multimorbidity: an observational multicohort study[J]. Lancet Diabetes Endocrinol, 2022, 10(4): 253-263. DOI: 10.1016/S2213-8587(22)00033-X
[4] The Emerging Risk Factors Collaboration. Association of cardiometabolic multimorbidity with mortality[J]. JAMA, 2015, 314(1): 52-60. DOI: 10.1001/jama.2015.7008
[5] Vetrano D L, Rizzuto D, Calderón-Larra aga A, et al. Trajectories of functional decline in older adults with neuropsychiatric and cardiovascular multimorbidity: a Swedish cohort study[J]. PLoS Med, 2018, 15(3): e1002503. DOI: 10.1371/journal.pmed.1002503
[6] 王丽敏, 陈志华, 张梅, 等. 中国老年人群慢性病患病状况和疾病负担研究[J]. 中华流行病学杂志, 2019, 40(3): 277-283. Wang L M, Chen Z H, Zhang M, et al. Study of the prevalence and disease burden of chronic disease in the elderly in China[J]. Chin J Epidemiol, 2019, 40(3): 277-283.
[7] La D T V, Zhao Y, Arokiasamy P, et al. Multimorbidity and out-of-pocket expenditure for medicines in China and India[J]. BMJ Glob Health, 2022, 7(11): e007724. DOI: 10.1136/bmjgh-2021-007724
[8] Muth C, Blom J W, Smith S M, et al. Evidence supporting the best clinical management of patients with multimorbidity and polypharmacy: a systematic guideline review and expert consensus[J]. J Intern Med, 2019, 285(3): 272-288. DOI: 10.1111/joim.12842
[9] Liu W M, Wu J Y, Zhang N, et al. Postural deformities in Parkinson's disease: a bibliometric analysis based on web of science[J]. Heliyon, 2023, 9(3): e14251. DOI: 10.1016/j.heliyon.2023.e14251
[10] Van Eck N J, Waltman L. Software survey: VOSviewer, a computer program for bibliometric mapping[J]. Scientometrics, 2010, 84(2): 523-538. DOI: 10.1007/s11192-009-0146-3
[11] Zhou J, Song D, Ma J J, et al. Research trends in the mental health and multimorbidity of older people from 2002 to 2022: a bibliometric analysis via CiteSpace[J]. Front Psychiatry, 2023, 14: 1117554. DOI: 10.3389/fpsyt.2023.1117554
[12] Wang L Y, Luo D, Hamdaoui O, et al. Bibliometric analysis and literature review of ultrasound-assisted degradation of organic pollutants[J]. Sci Total Environ, 2023, 876: 162551. DOI: 10.1016/j.scitotenv.2023.162551
[13] Ye B Q, Xie R X, Mishra S R, et al. Bidirectional association between physical multimorbidity and subclinical depression in Chinese older adults: findings from a prospective cohort study[J]. J Affect Disord, 2022, 296: 169-174. DOI: 10.1016/j.jad.2021.09.067
[14] Moussavi S, Chatterji S, Verdes E, et al. Depression, chronic diseases, and decrements in health: results from the World Health Surveys[J]. Lancet, 2007, 370(9590): 851-858. DOI: 10.1016/S0140-6736(07)61415-9
[15] Triolo F, Sjöberg L, Calderón-Larrañaga A, et al. Late-life depression and multimorbidity trajectories: the role of symptom complexity and severity[J]. Age Ageing, 2023, 52(2): afac315. DOI: 10.1093/ageing/afac315
[16] Kroenke K, Strine T W, Spitzer R L, et al. The PHQ-8 as a measure of current depression in the general population[J]. J Affect Disord, 2009, 114(1/3): 163-173.
[17] Marengoni A, Angleman S, Melis R, et al. Aging with multimorbidity: a systematic review of the literature[J]. Ageing Res Rev, 2011, 10(4): 430-439. DOI: 10.1016/j.arr.2011.03.003
[18] Schiltz N K. Prevalence of multimorbidity combinations and their association with medical costs and poor health: a population-based study of U.S. adults[J]. Front Public Health, 2022, 10: 953886. DOI: 10.3389/fpubh.2022.953886
[19] Li H F, Chang E X, Zheng W J, et al. Multimorbidity and catastrophic health expenditure: evidence from the China Health and Retirement Longitudinal Study[J]. Front Public Health, 2022, 10: 1043189. DOI: 10.3389/fpubh.2022.1043189
[20] Guo X R, Zhao B H, Chen T M, et al. Multimorbidity in the elderly in China based on the China Health and Retirement Longitudinal Study[J]. PLoS One, 2021, 16(8): e0255908. DOI: 10.1371/journal.pone.0255908
[21] Zheng D D, Loewenstein D A, Christ S L, et al. Multimorbidity patterns and their relationship to mortality in the US older adult population[J]. PLoS One, 2021, 16(1): e0245053. DOI: 10.1371/journal.pone.0245053
[22] American Geriatrics Society Expert Panel on the Care of Older Adults with Multimorbidity. Guiding principles for the care of older adults with multimorbidity: an approach for clinicians[J]. J Am Geriatr Soc, 2012, 60(10): E1-E25.
[23] Boyd C, Smith C D, Masoudi F A, et al. Decision making for older adults with multiple chronic conditions: executive summary for the American Geriatrics Society guiding principles on the care of older adults with multimorbidity[J]. J Am Geriatr Soc, 2019, 67(4): 665-673. DOI: 10.1111/jgs.15809
[24] Fraser H C, Kuan V, Johnen R, et al. Biological mechanisms of aging predict age-related disease co-occurrence in patients[J]. Aging Cell, 2022, 21(4): e13524. DOI: 10.1111/acel.13524
[25] Salvioli S, Basile M S, Bencivenga L, et al. Biomarkers of aging in frailty and age-associated disorders: state of the art and future perspective[J]. Ageing Res Rev, 2023, 91: 102044. DOI: 10.1016/j.arr.2023.102044
[26] Luo Y, Chen Y M, Wang K P, et al. Associations between multimorbidity and frailty transitions among older Americans[J]. J Cachexia Sarcopenia Muscle, 2023, 14(2): 1075-1082. DOI: 10.1002/jcsm.13197
[27] Hanlon P, Nicholl B I, Jani B D, et al. Frailty and pre-frailty in middle-aged and older adults and its association with multimorbidity and mortality: a prospective analysis of 493 737 UK Biobank participants[J]. Lancet Public Health, 2018, 3(7): e323-e332. DOI: 10.1016/S2468-2667(18)30091-4
[28] Lipska K J, Krumholz H, Soones T, et al. Polypharmacy in the aging patient: a review of glycemic control in older adults with type 2 diabetes[J]. JAMA, 2016, 315(10): 1034-1045. DOI: 10.1001/jama.2016.0299
[29] 陈旭娇, 严静, 王建业, 等. 老年综合评估技术应用中国专家共识[J]. 中华老年医学杂志, 2017, 36(5): 471-477. https://www.cnki.com.cn/Article/CJFDTOTAL-LNBY201702001.htm Chen X J, Yan J, Wang J Y, et al. Chinese experts consensus on application of comprehensive geriatric assessment[J]. Chin J Geriatr, 2017, 36(5): 471-477. https://www.cnki.com.cn/Article/CJFDTOTAL-LNBY201702001.htm
-
期刊类型引用(1)
1. 刘敏，杨金苹，赵金颜，乔建红. 老年共病患者自我感知老化、抑郁情绪与生活质量的相关性研究. 心理月刊. 2024(21): 58-60 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 528
- HTML全文浏览量: 146
- PDF下载量: 87
- 被引次数: 1
