目前全球约有4 680万痴呆患者，平均每3秒就有1例新确诊患者，预计2030年将达到7 470万^[1]。作为常见的老年人疾病，痴呆严重损害了患者的认知功能，增加了家人精神与照护压力^[2]。由于疾病发病机制尚不明确目前仍无有效治愈方法，但可以通过早期识别高危人群、提供干预措施而预防或延缓痴呆发生发展^{[1, 3]}。疾病风险评估模型可有效评估个体疾病风险而筛查高危人群^[4]，且已广泛应用于癌症、心血管疾病等多种疾病并取得了较好的效果^{[5 – 6]}。自2006年国内外研究者开始开发老年痴呆症风险评估模型，随着研究的进展逐步完善与改进。本文就主要的老年痴呆症风险评估模型进行综述，为今后痴呆高危人群筛查工具的选择提供依据并为新的痴呆风险评估模型的构建提供参考。

基于以往心血管危险因素与痴呆发病紧密相关的研究结果，Kivipelto等^[7]于2006年开展了心血管危险因素与老年痴呆症因果关系研究（Cardiovascular Risk Factors，Aging，and Dementia Study，简称CAIDE研究）并建立了首个老年痴呆症风险评估模型CAIDE。该研究通过收集1972 — 1998年间1 409名39～64岁芬兰人20年的基本资料与疾病资料，采用logistic回归分析，筛选危险因素（年龄、教育、性别、收缩压、体质指数、总胆固醇、体育活动）并提取危险因素回归系数（β 系数），将最小 β 系数赋值1，其他 β 系数按相同比例赋值，得到共计15分的危险分数表。同时可根据个体得分进行未来20年内老年痴呆症发病风险评估：（1）0～5分，发病风险1 %；（2）6～7分，发病风险1.9 %；（3）8～9分，发病风险4.2 %；（5）10～11分，发病风险7.4 %；（6）10～15分，发病风险16.4 %。之后模型在样本人群中通过受试者工作特征曲线（receiver operating characteristic，ROC）进行了预测效能验证，经验证曲线下面积（area under the curve，AUC）为0.77，预测性较好。此外，Exalto等^[8]将CAIDE模型应用于9 480名美国中年人进行外部验证（AUC为0.75），证实了CAIDE模型的预测效能无人种区别。由于模型以中年人群为研究对象，因此在不同年龄层人群中可能存在特异性。Anstey等^[9]将CAIDE模型分别应用于3个老年队列人群，经验证AUC < 0.6，证明该模型不适用于老年人群进行痴呆风险评估。

在CAIDE模型建立的同时，Mitnitski等^[10]于2006年也建立了以心血管危险因素为主的老年痴呆症疾病风险评估模型，该模型适用于老年人群疾病风险预测。研究中，研究者以380名70岁瑞典哥德堡人为研究对象进行了1972 — 1992为期20年的随访观察，采用线性回归分析，构建了预测期分别为10年和20年的2个风险评估模型，其中仅预测期为10年的老年痴呆症风险评估模型验证有效（AUC为0.75），该模型纳入了16个危险因素，包括起立眩晕、行走时小腿疼痛且休息时症状减缓、兴奋时胸痛、上坡或快走时胸痛、第二心音异常、主动脉钙化、肺充血、T波异常、心房纤维性颤动、窦性心动过速、心绞痛、糖尿病、高血压、高血压治疗状态、体重指数、高胆固醇。由于该研究样本人群较小，筛选出的危险因素人群代表性较弱，且模型纳入的危险因素主要为心血管因素并需要专业的检查，限制了其在更多人群中广泛应用。

2009年Barnes^[11]团队以国家心血管健康研究（Cardiovascular Health Study，CHS）中的心血管健康认知研究队列人群为研究对象，收集了3 375名≥65岁非裔美国人动态队列的基线检查资料和6年随访（1991 — 1999年）终末事件相关资料，采用logistic回归进行数据分析，构建了老年痴呆症风险评估模型。模型包含年龄、修订版简易智力状态检查量表得分（Modified Mini-Mental State，3MS）、数字符号转换测试得分（digit symbol substitution test，DSST）、载脂蛋白E4（apolipoprotein E4，APOEε4）、脑白质病、心室扩大、颈内动脉厚度、冠状动脉旁路手术史、穿纽扣衬衫的时间、体质指数（body mass index，BMI）、饮酒11个因素，并根据回归系数 β 进行因素赋值（β ≤ 0.75赋值1，β > 0.75赋值2），分值范围为0～15分。个体得分可反映其未来6年痴呆发病风险，即0～3分，低风险；4～7分，中风险；≥ 8分，高风险。样本人群中进行模型验证AUC为0.81，预测性较好，模型适用于≥65岁老年人未来6年老年痴呆症发病风险预测。但该模型纳入的危险因素受原始队列研究资料限制，仅从认知相关因素中选择，参考范围较小。此外纳入的危险因素需要通过认知评定量表、核磁共振成像（magnetic resonance imaging，MRI）和基因检查，在检测上耗时耗力耗财，不利于在普通人群中应用。

2010年，Barnes^[12]团队在此模型的基础上进行改进，开发了一个相对简单易测的模型。该模型保留年龄、冠状动脉旁路手术史、BMI、饮酒指标外，将其他7个指标更改为三词听觉记忆、五角形画图、折纸、30秒内无法说出10个四足动物、自评记忆障碍、脑卒中、外周血管疾病。新指标分值范围为0～13分，0～2分为低风险；3～5分为中风险；≥ 6分为高风险。相较前一个模型，该模型虽然去除了MRI检查与基因检测、精简了认知功能测评，但仍存在危险因素以认知因素为主的局限性。2014年Barnes^[13]团队考虑到个体发病风险可能会受地区和种族的影响，在之前CHS队列的基础上又额外增加了3个研究队列（65～79岁）。基于4个纵向队列研发了一个可以在基层医疗中使用的老年人群老年痴呆症风险评估模型。模型纳入的预测指标有年龄、教育程度、BMI、糖尿病、脑卒中、经济与医疗支持、抑郁症状7个因素。较前2个模型，该模型危险因素来自不同种族、不同地区人群，可参考范围较广。但该模型纳入的危险因素主要以疾病为主，缺乏生活方式等可干预因素^[3]，且模型尚未进行验证，预测效能有待商榷。

随着痴呆病因学研究的进一步深入，痴呆与代谢性疾病相关性研究显示2型糖尿病患者罹患老年痴呆症的风险为非糖尿病人群的2倍^[14]，2013年Exalto等^[15]构建了针对2型糖尿病人群未来10年老年痴呆症发病风险评估模型，用于糖尿病患者痴呆风险的预测。研究者通过1998 — 2008年对29 961名≥60岁糖尿病患者随访10年，采用Cox比例风险模型筛选出8个预测因子（微血管病，糖尿病足，脑血管疾病，心血管疾病，急性代谢事件，抑郁症，年龄和教育），并根据预测因子 β 系数赋值，建立了一个糖尿病特定痴呆风险评分（diabetes specific dementia risk score，简称DSDRS模型）。评分系统分值范围为–1～12分，对应的个体痴呆风险为5 %～73 %。采用ROC对DSDRS痴呆风险评分系统进行验证，AUC为0.74，模型的预测效度较好。DSDRS模型纳入的指标容易评估和获取，但该模型仅适用Ⅱ型糖尿病人群的痴呆发病风险预测。

基于神经心理测试、社会人口学、生活方式等因素，国际上已经开发了多个老年痴呆评估模型，但缺乏适用于基层医疗的模型。仅Barnes团队建立的第3个模型基于基层医疗背景，但此模型纳入的7个危险因素中有3个因素不属于英国基层常规项目。因此2016年Walters等^[16]以930 395名60～95岁的英国人为动态队列人群，2000 — 2011年对研究对象进行观察，保证每位研究对象至少随访5年。采用Cox回归分析基线数据，按年龄60～79岁，80～95岁分层构建了2个适用于英国基层医疗环境的未来5年老年痴呆症风险评估模型。其中60～79岁年龄段模型预测性较好（ROC为0.84），该模型纳入因素包含年龄、性别、社交剥夺、吸烟、体重指数、酗酒、抗高血压药物、糖尿病、中风/颅脑创伤、房颤、阿司匹林、抑郁症。该研究为大样本纵向队列研究，在英国人群中有一定的代表性，且危险因素包括人口社会学因素、疾病因素和部分生活方式因素，涵盖可干预因素相对全面^[4]。但该模型未对危险因素进行赋值，无法计算个体危险分数或相对危险水平。

2017年Byoung等^[17]对2007 — 2013年间216名帕金森患者平均跟踪2.7年，将其基线与追踪资料进行Cox回归分析，构建了以神经检查结果为主的帕金森人群老年痴呆症风险评估模型。纳入指标包括对抗性的命名和语义流畅性测试、额叶功能/执行功能测试、即时语言记忆测试、视觉空间功能测试等。该模型纳入的指标测试较为复杂，不利于非专业人员使用，且仅适用于帕金森人群。

阿尔茨海默病（Alzheimer's disease，AD）是一种原发于中枢神经退行性病变，为老年痴呆症最常见类型，占所有痴呆的60 %以上^[2]。AD发病机制主要以Aβ 淀粉样蛋白级联假说为主，近10年血管假说开始被越来越多的学者接受并认可^[18]。2010年Reitz等^[19]基于血管危险因素与AD的关系，创建了首个AD风险评估模型。该研究对2 190名居住在纽约曼哈顿北部的≥65岁老年人进行了4 — 10年（1999 — 2009年）的随访。通过Cox回归对基线测量与后期诊断相关数据进行统计分析，得到10个危险因素，分别为性别、年龄、教育、种族、APOE、糖尿病、高血压、吸烟、高密度脂蛋白、腰臀比。该研究为单个大样本纵向队列研究，纳入的危险因素与疾病的因果关系较为可靠，结果较为稳定。但该模型的研究资料为样本人群的体检资料，可采集的有效信息较少，主要以样本人群的基本情况为主，因此危险因素的选择范围较小^[20]。

Jessen模型由德国基层医疗患者注册中心Jessen等^[21]人开发。该中心在18个月的间隔时间内对3 055名患者进行了3次随访。确定了年龄、主观记忆、言语流畅、记忆延长、简易智能状态量表（Mini Mental State Examination，MMSE）和工具性日常生活活动（Instrumental Activity of Daily Living，IADL）作为AD的预测因素，其中记忆、认知功能、IADL等均为AD的临床前期症状而不属于AD的发病危险因素^{[2 – 3]}。而最佳风险评估工具应不包括疾病症状或疾病诊断筛查措施^{[4, 20]}，因此该模型筛查未出现疾病症状的高危人群会出现与预期结果分离的现象，失去预测功能^[20]。

2013年Anstey等^[20]基于前人的研究经验，以现有流行病学研究结果为基础，根据专业经验从已发表的痴呆危险因素meta分析及队列研究英文文献中选择因素并采用特殊值赋值法，构建了澳大利亚国立大学阿尔茨海默症风险指数（Australian National University Alzheimer′s Disease Risk Index，简称ANU-ADRI模型）。模型中共纳入了11个危险因素和4个保护因素，包括年龄、性别、教育、体质指数、糖尿病、抑郁症状、高胆固醇、创伤性颅脑损伤、吸烟、社交、农药暴露、饮酒、体育锻炼、智力活动、鱼摄入。同时从支撑危险因素的meta分析及原始队列研究中提取因素的OR值，将最小OR值赋值1，其他依次乘以相应的倍数，最终分值为 – 18～76分。2014年Anstey^[9]将ANU-ADRI模型应用于3个独立的老年人队列进行验证，3个队列分别包含1 164、1 301、3 375名研究者。经验证AUC均 > 0.6，效能尚可。该模型的构建与从单一队列研究中纳入风险指标相比，纳入的因素来自于不同种族、不同地区人群流行病学研究结果。选择范围较广，涵盖了人口社会学因素、疾病因素和生活方式。但模型的评分没有进行风险值转化，根据模型得分无法评估个体的危险水平。

AD是老龄化社会中突出的公共卫生问题，随着我国老龄化社会进程的加快，引起了社会的广泛关注。2010年黄鹂等^[22]尝试建立一个变量较少、方便简易、适合中国人群的AD预测模型。采用病例对照研究设计以≥60岁2616名南昌市常驻居民为研究对象收集资料，进行logistic回归分析筛选了年龄、文化程度、婚姻状况、高血压史、血铝和血硒含量6个危险因素。将危险因素中最小的logistic回归系数赋值1，其他依次乘以相同倍数构建风险评分，并选取了112名研究对象评估模型的预测效能，AUC为0.838，显示其判断效率较好。该模型是我国首个AD风险评估模型，为今后中国人群的痴呆模型的构建奠定了基础。但模型采用了病例对照研究，因此对疾病与暴露的因果关系以探讨为主。同时由于纳入的研究对象仅为南昌常驻居民，地区局限而无法代表全国人群的真实水平。

90年代后我国疾病危险因素流行病学研究的资料逐渐增多，基于此背景2011年惠晓萍等^[23]结合健康风险评估理论构建了基于循证医学的AD风险评估模型。在模型构建中，惠晓萍等^[23]通过检索1999 — 2009年国内公开发表的AD危险因素病例对照研究文献，进行meta分析筛选出痴呆家族史、糖尿病、丧偶3个危险因素，随后从2篇大样本队列研究文献中提取低教育水平、情绪不良、不参加集体活动、缺乏体育锻炼、轻度认知功能损害5个危险因素。以合并的比值比（OR）值和相对危险度（RR）值为基础，采用Rothman^[4]提出的危险分数法计算人群归因危险度、基准发病比例、组合危险分数、发病危险，建立了老年性痴呆危险分数表，应用于 > 55岁人群痴呆发病风险评估。同期研究者将该危险分数表在苏州地区老年人群中进行应用，用以评估调查对象未来10年AD患病风险。但目前没有进行预测效能的验证。该模型采用了循证医学，从病例对照和队列研究文献中提取危险因素，充分利用了现有医学研究成果，节省时间、人力、物力，可以快速获得结果。然而作者在meta分析中选择了病例对照研究，其在因果关系方面论证强度较队列资料弱 ^[24]，同时meta分析与队列原始研究没有进行质量评价，无法保证危险因素的选择基于最佳证据。

虽然国内针对AD型痴呆构建了相关评估模型，但广义的老年痴呆症尚无风险评估模型。2017年苏志诚等^[25]通过文献回顾与数学加权法构建了一个老年痴呆症发病风险评估表。危险因素包含家族史、高血管史、高血压、糖尿病、高胆固醇血症、高同型半胱氨酸血症、脑外伤病史、疱疹病史、吸烟、饮酒、年龄、运动。将危险因素按轻、中、重等级依次赋值5、10、20分，得出分数按年龄发病率和是否运动进行加权。最终受试者得分 > 70分则为高度可能发病者，用以≥60岁的老年人使用，模型尚未进行验证及应用。相较之前建立的AD风险评估模型，该模型纳入的因素包含家族史、血管危险疾病和生活方式，较为全面。然而因素的选择、赋值、风险水平评定方面主观判断成分较高，影响模型的精准性。

综上所述，关于老年痴呆症的风险评估，目前国内外先后发布了多个评估模型，在构建方法、预测指标、适用人群等多方面各有其特点。然而现有模型筛选危险因素及赋值方法上有待进一步改善，增加危险因素的可信性及风险水平评定的可靠性。此外，老年痴呆症风险评估模型的目的是筛查高危人群进行干预，因此，危险因素的选择应重点关注与痴呆发病密切相关的可干预因素，同时易测性也是选择危险因素的标准，测评简单有助于模型在人群中广泛推行。今后研究者应不断完善老年痴呆症风险评估模型的构建方法，危险因素的选择应基于最新的高质量证据体，危险因素的赋值科学有效。从而构建一套方法恰当、指标全面简便的老年痴呆风险评估模型，早期筛查老年痴呆症高危人群、制定个体化干预措施，预防或减缓疾病的发生。