某三甲医院老年住院患者下尿路症状的关联因素分析和风险预测模型构建研究

Factors associated with lower urinary tract symptoms and related prediction model in elderly inpatients in a tertiary hospital

摘要

背景 随着人口老龄化，下尿路症状(lower urinary tract symptoms，LUTS)已成为世界范围内的一个重大公共卫生问题，因此，深入探究其有效防治策略显得尤为迫切。 目的 对老年LUTS的关联因素进行分析并构建风险评估模型。 方法 本研究为回顾性队列研究，选取2023年1月至2024年1月在解放军总医院第一医学中心住院的60岁以上老年人作为研究对象，根据是否有LUTS分为LUTS组和无LUTS组，并按性别分层进行。采用多因素Logistic回归分析老年LUTS的独立关联因素，绘制森林图，并绘制受试者工作特征(receiver operating characteristic，ROC)曲线、临床校准曲线、决策分析曲线(decision curve analysis，DCA)对模型进行评估。 结果 本研究共纳入4 122例老年住院患者，其中男性2 394例，女性1 728例。594例(14.48%)有LUTS，其中男性438例(18.30%)，女性159例(9.20%)。多因素Logistic回归模型分析显示，年龄(OR=1.051，95% CI：1.022 ~ 1.084)、便秘(OR=1.583，95% CI：1.250 ~ 2.002)、糖尿病(OR=2.591，95% CI：1.949 ~ 3.443)、手术史(OR=2.334，95% CI：1.781 ~ 3.043)、前列腺增生(OR=2.920，95% CI：2.262 ~ 3.781)、高血压病(OR=2.771，95% CI：2.082 ~ 3.689)、脑血管疾病(OR=2.620，95% CI：1.991 ~ 3.438)、冠心病(OR=1.451，95% CI：1.162 ~ 1.823)与老年男性LUTS独立关联；年龄(OR=1.042，95% CI：1.011 ~ 1.073)、手术史(OR=1.681，95% CI：1.320 ~ 2.139)、高血压病(OR=2.850，95% CI：2.121 ~ 3.833)、糖尿病(OR=2.571，95% CI：1.958 ~ 3.373)、动脉粥样硬化(OR=3.220, 95% CI：2.480 ~ 4.181)、脑血管疾病(OR=3.051，95% CI：2.288 ~ 4.062)、帕金森病(OR=2.980，95% CI：2.252 ~ 3.947)、钙通道阻滞剂(OR=1.561，95% CI：1.233 ~ 1.981)与老年女性LUTS独立关联。根据Logistic回归建立的预测模型ROC曲线下面积分别为0.856(95% CI：0.840 ~ 0.872)和0.839(95% CI：0.819 ~ 0.860)，校准曲线显示模型有较高的校准度(χ²=5.689，P=0.772；χ²=6.375，P=0.703)，DCA曲线显示在一定区间内该模型净获益具有临床实用价值。 结论 本研究明确了老年男性、女性住院患者下尿路症状的独立关联因素，并构建了性别分层的Logistic风险评估模型。经多维度模型验证，该模型具备良好的区分能力、校准度与临床净获益，可为老年住院患者下尿路症状的早期筛查、个体化预防及临床决策提供可靠的量化参考。

Abstract

Background With the aging population, lower urinary tract symptoms (LUTS) have emerged as a major global public health issue, therefore, conducting an in-depth exploration of its effective prevention and treatment strategies has become particularly urgent. Objective To analyze the relevant factors associated with LUTS in the elderly and construct a risk assessment model. Methods A retrospective cohort study was performed in elderly patients aged ≥60 years hospitalized at the First Medical Center of PLA General Hospital from January 2023 to January 2024. Participants were divided into LUTS group and non-LUTS group based on the presence or absence of LUTS. Given the significant gender differences in LUTS etiology and manifestations, all analyses in this study were stratified by sex. Clinical data were collected for both groups. Multivariate logistic regression was used to identify independent factors associated with elderly LUTS. Forest plots were constructed, and model performance was evaluated using receiver operating characteristic (ROC) curves, clinical calibration curves, and decision analysis curves (DCA). Results This study included a total of 4 122 hospitalized elderly patients, comprising 2 394 males and 1 728 females. Among them, 594 cases (14.48%) had LUTS, including 438 males (18.30%) and 159 females (9.20%). Multivariate logistic regression analysis showed that age (OR=1.051, 95% CI: 1.022 - 1.084), constipation (OR=1.583, 95% CI: 1.250 - 2.002), diabetes mellitus (OR=2.591, 95% CI: 1.949 - 3.443), history of surgery (OR=2.334, 95% CI: 1.781 - 3.043), benign prostatic hyperplasia (OR=2.920, 95% CI: 2.262 - 3.781), hypertension (OR=2.771, 95% CI: 2.082 - 3.689), cerebrovascular disease (OR=2.620, 95% CI: 1.991 - 3.438), and coronary heart disease (OR=1.451, 95% CI: 1.162 - 1.823) were independent associated factors for LUTS in elderly men. Age (OR=1.030, 95% CI: 1.010 - 1.050), surgical history (OR=1.960, 95% CI: 1.490 - 2.580), diabetes (OR=3.380, 95% CI: 2.600 - 4.420), cerebrovascular disease (OR=4.810, 95% CI: 3.330 - 6.980), Parkinson's disease (OR=4.350, 95% CI: 3.240 - 5.910), hypertension (OR=3.830, 95% CI: 2.820 - 5.240), atherosclerosis (OR=4.670, 95% CI: 3.590 - 6.100), and calcium channel blockers (OR=1.820, 95% CI: 1.390 - 2.390) were independent associated factors for LUTS in elderly women. The areas under the ROC curves (AUC) were 0.856 (95% CI: 0.840 - 0.872) and 0.839 (95% CI: 0.819 - 0.860), respectively. Calibration curves demonstrated high model calibration (χ²=5.689, P=0.772; χ²=6.375, P=0.703), while decision curve analysis indicated clinically meaningful net benefit within specific intervals. Conclusion The present study identifies the independent associated factors of LUTS in hospitalized elderly male and female patients, and develops gender‑stratified Logistic risk assessment models. Through multidimensional model validation, the models demonstrate good discrimination, calibration, and clinical net benefit, and provide a reliable quantitative reference for early screening, individualized prevention, and clinical decision‑making regarding LUTS in hospitalized elderly patients.

Graphical abstract

关键词

下尿路症状 / 老年人 / 预测模型 / Logistic模型 / ROC曲线 / 性别因素

Key words

lower urinary tract symptoms / elderly population / associated factors / risk assessment model

下尿路症状(lower urinary tract symptoms，LUTS)已成为世界范围内的一个重大公共卫生问题，全球范围内中重度LUTS的总体患病率为31.3%^[1]。LUTS病因复杂，涉及泌尿系统、神经系统、代谢异常等多因素相互作用^[2-3]。下尿路组织和器官等随着年龄增长发生退行性改变，合并高血压、糖尿病等多种慢性病协同损害，使得老年人群成为LUTS的高危人群，跌倒、骨折、住院等不良事件也随之增加^[4-6]，给家庭和国家带来严重经济负担^[7]。

既往研究多侧重于对老年人整体泌尿功能减退的描述或前列腺增生、糖尿病等单一疾病的关联分析，而专门以LUTS为核心研究对象并系统纳入性别差异、手术史等多维度潜在因素进行独立关联机制的专项研究相对薄弱^[8-10]。这些研究普遍存在两点核心局限：一是未充分关注LUTS在病因与临床表现上的显著性别差异，常采用混合性分析导致性别特异性关联被掩盖；二是未将一些如男性前列腺手术、女性盆底手术等，可能通过改变解剖结构、影响神经调控而作用于下尿路功能的潜在因素，纳入研究的分析框架，导致对老年LUTS发病机制的理解不够全面，难以形成精准的风险评估体系。

基于上述研究现状，本研究假设性别分层分析可明确老年男女LUTS的共有及特异性相关因素，且纳入手术史变量能提升模型风险评估效能，故选取老年住院人群为研究对象，创新性采用性别分层分析方法，系统纳入手术史变量，结合年龄、基础疾病等多维度指标，筛选老年LUTS的独立相关因素并构建风险评估模型，以期为老年LUTS的早期筛查、风险分层及个体化干预提供更具针对性的参考依据。

1 对象与方法

1.1 研究对象

本研究是一项单中心回顾性病例对照研究，选取2023年1月1日至2024年1月1日在解放军总医院第一医学中心住院的老年人群作为研究对象。纳入标准：(1)年龄≥60岁；(2)住院时长≥72 h；(3)具备自主签署知情同意书能力。排除标准：(1)病历资料不完整；(2)已行肾脏替代治疗(肾移植、血液透析、腹膜透析)或严重肾功能不全(肾小球滤过率＜30 mL/(min·1.73m²)；(3)病情不稳定(如存在急性心肌梗死、恶性心律失常、急性心力衰竭、急性肾功能不全、严重感染、肝衰竭等疾病终末期状态)或存在恶性肿瘤病史；(4)急性尿路感染或泌尿系结石；(5)合并其他需特殊干预的泌尿系统疾病。本研究经解放军总医院医学伦理审查委员会批准(伦字第S2025-115-01号)，并豁免了项目入组患者的知情同意，全部研究对象的隐私性标识符号已经被隐藏或删除处理，严格遵循《赫尔辛基宣言》原则。

1.2 研究结局及其他分析指标

1.2.1 研究结局定义

研究结局是LUTS，国际尿控协会(international continence society，ICS)于2002年提出了LUTS相关术语标准定义，包含以下3组症状：储尿期症状、排尿期症状、排尿后症状。患者无论症状起病于住院前或住院期间，只要存在任意一组症状即可诊断为LUTS。LUTS相关信息采用预定义关键词列表从电子病历中系统提取，参考《ICS LUTS术语词典》及本中心病历书写规范，采用同义拓展匹配。阳性组以首次阳性关键词记录日期为起点、对应住院出院日为终点；非阳性组分为阴性与无记录两组，阴性组依据病历中LUTS相关否定性记录判定，观察窗口设定为最后一次住院的入院至出院日期；无记录组为病历中无LUTS相关记录，采用与阴性组一致的观察窗口纳入基础分析，并将该类病例设为缺失值，采用多重插补法开展敏感性分析，以控制病历记录不全引发的偏倚。

1.2.2 其他分析指标

其他人口统计学信息、既往疾病史、个人史、特殊用药史等临床指标，采用出院诊断+关键词检索双重收集，诊断遵循中华医学会指南。

1.2.3 数据提取质量控制

本研究实施三重质量控制：随机抽取100份病历开展预实验，关键词提取准确率达92.3%；由2名独立研究人员对全部病历进行双盲检索，Kappa一致性检验结果为0.870(P＜0.001)，一致性优良；预实验后优化关键词列表，补充少见临床表现表述，降低漏检风险。

1.3 统计学分析

1.3.1 样本量计算

本研究拟在回归模型中拟分析因素总量为10 ~ 20个，为避免模型过拟合，采用10×EPV(events per variable)原则(即每个分析因素需对应至少10个结局事件)。结合LUTS性别特异性患病率估算样本量，男性35.2 %(95% CI：32.1% ~ 38.5%)，女性20.6%(95% CI：14.7% ~ 27.1%)，理论上男性需623例、女性需1 361例，考虑20%信息不完整病例，调整后男性需779例、女性需1 702例。

1.3.2 统计学分析

采用R Studio(Version 4.3.2)进行数据处理与建模。计量资料符合正态分布采用\overline{x}\pm s描述，两组间比较采用两独立样本t检验；非正态分布采用中位数、四分位间距描述，组间比较用Mann-Whitney U检验；计数资料以百分比描述，组间比较用χ²检验，双侧P＜0.05为差异有统计学意义。采用Cochran-Armitage趋势检验分析LUTS患病率随年龄增长的变化趋势，计算趋势P值。

1.3.3 变量筛选及模型构建

经单因素分析(P＜0.05)结合临床经验确定候选变量，采用方差膨胀因子(variance inflation factor，VIF)评估多重共线性，优先纳入VIF＜10的变量，最终构建多因素Logistic回归模型。按公式P=1/{1+exp [-(β₀+ΣβᵢXᵢ)]}计算个体患病概率，森林图展示各因素调整后OR值及95% CI。

1.3.4 模型效能评估及验证

从模型的区分度、校准度以及临床实用性三个方面评估模型效能。区分度采用受试者工作特征(receiver operating characteristic，ROC)曲线下面积(area under the curve，AUC)、灵敏度、特异度为评判指标；校准度通过校准曲线结合Hosmer-Lemeshow检验(P＞0.05为校准良好)评估；临床实用性以决策曲线分析(decision curve analysis，DCA)中净获益有临床意义的风险阈值区间为标准。采用Bootstrap法验证稳健性，通过有放回重抽样拟合回归模型，以校正后的95% CI呈现结果，确保OR值估算可靠。本研究遵循个体预后或诊断的多变量预测模型透明报告(transparent reporting of a multivariable prediction model for individual prognosis or diagnosis，TRIPOD) ^[11]指南的报告规范，确保研究设计、数据处理、模型构建及结果呈现的透明度与完整性。

2 结果

2.1 研究队列整体一般及临床特征

本研究共纳入4 122例老年住院患者，其中男性2 394例、女性1 728例。男性吸烟史、饮酒史、前列腺增生及抗胆碱能药使用率较女性更高；女性年龄更大，脑血管疾病、帕金森病患病率及钙通道阻滞剂、利尿剂使用率较男性更高(P＜0.05)。整体LUTS患病率为14.48%，男性显著高于女性(18.3% vs 9.2%，P＜0.001)。

2.2 有无LUTS组间一般及临床资料比较

在老年男性中，与无LUTS组比较，LUTS组年龄更大，更易合并便秘、手术史、高血压、糖尿病、冠心病、动脉粥样硬化、慢性肾脏病、脑血管疾病、帕金森病或前列腺增生等疾病(P＜0.05)，既往服用镇静药物、钙通道阻滞剂或肾素-血管紧张素-醛固酮系统抑制剂的比例更高，见表2；同样，在老年女性中，与无LUTS组比较，LUTS组年龄更大，且更可能合并有手术史、高血压病、糖尿病、动脉粥样硬化、慢性肾脏病、脑血管疾病或帕金森病等，服用利尿剂、钙通道阻滞剂的比例也更高(均P＜0.05)，见表3。

2.2 老年住院患者LUTS患病率的年龄变化趋势

在老年男性和老年女性两个组别中，随年龄增长LUTS患病率持续升高(P_{for trend}＜0.05)，不同症状组患病率耶升高(P_{for trend}＜0.05)。在老年男性患者≥75岁组LUTS患病率是60 ~ 64岁组的2.05倍，而在老年女性患者中，该值为1.63倍，见表4和表5。

2.3 多因素Logistic回归分析老年LUTS的独立相关因素

将单因素分析(P＜0.05)及临床经验筛选候选变量，先经方差膨胀因子评估多重共线性，结果显示所有候选变量VIF值为1.02 ~ 2.85(均＜3)，提示变量间无明显多重共线性，不干扰回归系数准确性及模型稳定性。所有二分类变量均以“有”赋值为1、“无”(或“未使用”)赋值为0，年龄作为连续变量，共同纳入多因素Logistic回归。

结果显示，年龄(OR=1.051，95% CI：1.022 ~ 1.084)、便秘(OR=1.583，95% CI：1.250 ~ 2.002)、糖尿病(OR=2.591，95% CI：1.949 ~ 3.443)、手术史(OR=2.334，95% CI：1.781 ~ 3.043)、前列腺增生(OR=2.920，95% CI：2.262 ~ 3.781)、高血压病(OR=2.771，95% CI：2.082 ~ 3.689)、脑血管疾病(OR=2.620，95% CI：1.991 ~ 3.438)、冠心病(OR=1.451，95% CI：1.162 ~ 1.823)与老年男性LUTS的独立关联；年龄(OR=1.042，95% CI：1.011 ~ 1.073)、手术史(OR=1.681，95% CI：1.320 ~ 2.139)、高血压病(OR=2.850，95% CI：2.121 ~ 3.833)、糖尿病(OR=2.571，95% CI：1.958 ~ 3.373)、动脉粥样硬化(OR=3.220，95% CI：2.480 ~ 4.181)、脑血管疾病(OR=3.051，95% CI：2.288 ~ 4.062)、帕金森病(OR=2.980，95% CI：2.252 ~ 3.947)、钙通道阻滞剂(OR=1.561，95% CI：1.233 ~ 1.981)与老年女性LUTS独立关联，见图1和图2。基于上述结果，分别绘制老年男性与老年女性LUTS相关因素的森林图，见图3。以本研究LUTS患者为阳性样本，无LUTS患者为阴性样本，按照性别，分别基于上述多因素回归所得回归风险概率模型，构建老年住院患者LUTS风险评估模型(Log P型模型)。

2.4 LUTS风险预测模型构建结果

老年男性模型：Ln(P/1-P)=-2.184+0.052×年龄+0.796×便秘+1.427×糖尿病+1.305×手术史+ 1.638×前列腺增生+1.582×高血压病+1.507×脑血管疾病+0.694×冠心病。

老年女性模型：Ln(P/1-P)=-2.316+0.047×年龄+ 0.872×手术史+1.603×高血压病+1.458×糖尿病+ 1.802×动脉粥样硬化+1.756×脑血管疾病+ 1.673×帕金森+0.786×钙通道阻滞剂。

2.5 LUTS风险预测模型内部验证及效能评估

内部验证结果显示，两个预测模型均具有良好的区分能力。老年男性预测模型的AUC为0.862(95% CI：0.845 ~ 0.879)，老年女性预测模型的AUC为0.844(95% CI：0.823 ~ 0.865)。通过约登指数(Youden's index)确定了最佳概率阈值及其对应的性能指标。对于老年男性模型，当预测概率阈值为0.415时，模型的敏感度为77.8%，特异度为77.1%；对于老年女性模型，当预测概率阈值为0.385时，模型的敏感度为76.1%，特异度为73.7% (图3)。模型校准曲线显示，模型预测概率与实际观测概率之间具有良好的一致性，Hosmer-Lemeshow拟合优度检验进一步证实了模型的校准性能(χ²=5.689，P=0.772；χ²=6.375，P=0.703)(图4)。DCA曲线显示，风险阈值在一定区间内该模型净获益具有临床意义(图5)。

3 讨论

LUTS是老年人群高发的泌尿系统问题，不仅严重影响生活质量，还可能增加跌倒、感染等不良事件风险，给临床管理带来挑战。国内现有研究多聚焦社区老年人群或单一疾病与 LUTS的关联，针对住院老年患者的专项分析较少，且在研究设计中常未细化性别对LUTS 发病机制的影响，对手术史这类可能通过改变解剖结构、影响神经调控进而关联下尿路功能的因素，也缺乏系统性纳入。本研究以大样本老年住院患者为对象，重点分析LUTS的关联因素并构建风险预测模型，按性别分层，并将手术史等关键变量纳入研究框架。相较于国内既往相关研究，本研究不再局限于对泌尿系统整体功能的笼统描述，而是重视性别差异的影响，补充了关键变量的覆盖，减少了混合分析可能带来的偏倚，让研究结论更具针对性和临床实用价值。

本研究得出年龄、糖尿病、高血压病、脑血管疾病及手术史与老年男性与女性 LUTS 独立关联。年龄是LUTS的核心危险因素，随着年龄增长，机体氧化应激水平升高，可引发下尿路组织退行性变、盆底肌松弛及神经调控功能减退，从而促使LUTS发生^[12-14]；糖尿病、高血压病等代谢性疾病已被证实与LUTS相关^[15]，而涵盖此类因素的代谢综合征通过免疫炎症标志物升高、激素变化、氧化应激及动脉粥样硬化等多机制协同致病^[16-19]；脑卒中则可能通过丧失高级大脑中枢连接增加LUTS风险^[20-21]；男性的前列腺相关手术史、女性的盆底稳定性相关手术及剖宫产手术史，均可能损伤下尿路及盆底相关神经与肌肉、改变局部解剖结构，或引发炎症反应与组织刺激，进而导致LUTS，本研究因电子病历中生产方式记录不全，未能深入探讨Ahmet等^[22]证实的阴道分娩、胎次增加等分娩相关LUTS危险因素。

与老年男性LUTS相关的特异因素包括前列腺增生(benign prostatic hyperplasia，BPH)、便秘及冠心病史。BPH的特异性源于男性独有的前列腺解剖结构，是男性LUTS关联最强的相关因素，随年龄增长，5α-还原酶活性升高使睾酮转化为双氢睾酮，诱导前列腺间质与上皮细胞增殖造成梗阻，同时还会释放IL-6等炎症因子进一步加重逼尿肌损伤，导致LUTS^[23]；男性便秘引起的直肠扩张和粪便嵌顿可直接机械性压迫前列腺及尿道导致LUTS，而女性则由于子宫的缓冲作用则显得较为间接和微弱；本研究还发现冠心病是男性LUTS的相关因素，进一步支持了内皮功能障碍与男性LUTS密切相关的观点^[24]，但未发现冠心病与女性LUTS的相关性，可能与女性雌激素的血管保护作用有关。与老年女性LUTS相关的特异因素为帕金森病、动脉粥样硬化及钙通道阻滞剂。帕金森病的特异性可能与女性尿道括约肌与盆底肌神经支配更依赖多巴胺能通路有关^[25]，绝经后雌激素缺乏使得该通路敏感性降低^[26]，叠加多巴胺能神经元变性，更易引发LUTS^[27]；动脉粥样硬化易导致膀胱黏膜及逼尿肌慢性缺血，而男性中该效应被BPH的强梗阻作用掩盖，故可能在女性中显现显著关联^[28]；钙通道阻滞剂可抑制膀胱平滑肌收缩、降低尿道闭合压力，而女性尿道基础闭合压力低于男性，对药物的敏感性更高，更易出现LUTS^[29]。值得注意的是，钙通道阻滞剂用药史与高血压病史虽存在临床关联，但二者分属治疗干预措施与疾病暴露状态，作用路径存在本质差异——钙通道阻滞剂除降压外，还可通过影响膀胱逼尿肌及尿道平滑肌的舒缩功能直接关联LUTS，既往研究^[30]表明高血压病患者钙通道阻滞剂使用率为42.1%，同时仍有8.7%的非高血压病患者因合并冠心病、前列腺增生等疾病使用该药物，本研究的方差膨胀因子检验也证实二者无明显共线性，因此可同时纳入模型解析独立效应。

本研究构建的性别分层风险评估模型具有明确临床价值，且与既往同类模型相比具有一定优势。既往多数LUTS预测模型多数仅针对单一性别构建，缺乏在同一研究中同时覆盖男女群体并兼顾性别特异性的设计，导致临床应用时需分别参考不同模型，难以实现对老年住院人群的统一风险筛查与评估。本模型创新性采用性别分层策略，在同一研究框架下同时构建男性与女性专属评估模型，既精准契合不同性别 LUTS 的发病特征，又实现了对全人群的覆盖，解决了既往单一性别模型适用范围受限的问题。同时，模型纳入的年龄、基础疾病史、手术史等均为临床常规采集信息，无需额外增加检查成本，适配各级医疗机构应用场景。加之模型具备良好的区分度与校准度，风险评估结果可靠，可为临床提供高效便捷的一体化筛查工具，辅助医护人员快速识别不同性别高危个体、制定个体化防控策略，推动LUTS诊疗向全人群覆盖、精准化管理转变，切实提升临床干预的效率与科学性。

本研究存在一定局限性。单中心回顾性设计可能存在选择偏倚，结果外推需谨慎；LUTS诊断依赖电子病历关键词，缺乏标准化量表评估；未纳入生活方式、药物剂量等细节信息；女性分娩相关因素因记录不全未充分探讨；因未明确相关因素与LUTS发生的时间先后顺序，模型仅能评估关联强度，无法预测发病风险；本研究仅采用Logistic回归构建模型，未引入机器学习算法进一步优化模型效能，未来可通过多方法对比提升模型预测精度。未来需开展多中心前瞻性研究，纳入不同地区、不同层级医疗机构及社区老年人群进行模型外部验证，通过跨人群、跨场景的效能复现，检验模型在异质性人群中的稳定性与适配性，同时完善变量收集与标准化评估工具，补充生活方式、药物细节等关键信息，优化数据体系，动态更新模型参数，进一步提升模型的普适性与推广价值，为老年LUTS的精准防控提供更坚实的循证支撑。

综上所述，本研究基于大样本住院老年人群，深入探讨了老年LUTS的相关因素，并构建了性别分层风险评估模型。该模型有助于识别高危人群，并为针对性干预提供参考，对改善老年人泌尿健康具有潜在临床意义。未来需在更广泛的人群中验证本模型的效能，并依托长期随访数据对模型进行动态更新，以保障其长期应用的准确性与可靠性。

参考文献

[1] Huang JJ， Chan CK， Yee S，et al. Global burden and temporal trends of lower urinary tract symptoms： a systematic review and meta-analysis［J］. Prostate Cancer Prostatic Dis，2023，26（2）：421-428.

[2] Nambiar AK， Arlandis S， Bø K，et al. European association of urology guidelines on the diagnosis and management of female non-neurogenic lower urinary tract symptoms. part 1： diagnostics，overactive bladder，stress urinary incontinence，and mixed urinary incontinence［J］. Eur Urol，2022，82（1）：49-59.

[3] Gravas S， Gacci M， Gratzke C，et al. Summary paper on the 2023 European association of urology guidelines on the management of non-neurogenic male lower urinary tract symptoms［J］. Eur Urol，2023，84（2）：207-222.

[4] Åkerla J， Pesonen JS， Pöyhönen A，et al. Lower urinary tract symptoms and mortality among Finnish men： the roles of symptom severity and bother［J］. J Urol，2022，207（6）：1285-1294.

[5] Malde S， Patel A， Martínez-Piñeiro L，et al. Incidence of nocturia in men with lower urinary tract symptoms associated with benign prostatic enlargement and outcomes after medical treatment： results from the evolution European association of urology research foundation prospective multinational registry［J］. Eur Urol Focus，2021，7（1）：178-185.

[6] Åkerla J， Nevalainen J， Pesonen JS，et al. Do LUTS predict mortality？an analysis using random forest algorithms［J］. Clin Interv Aging，2024，19：237-245.

[7] Holm-Larsen T， Van den Ende M， Wendelboe HG，et al. The cost of lifelong LUTS-a systematic literature review［J］. Neurourol Urodyn，2024，43（5）：1058-1065.

[8] 黄海，李旭东，刘明，等. 老年泌尿系统功能减退综合管理专家共识［J］. 中华老年医学杂志，2025，44（4）：391-400.

[9] Okedere TA， Asaleye CM， Ayoola OO，et al. Correlation of Doppler ultrasound resistive index in the prostatic gland with severity of male lower urinary tract symptoms，prostate volume，and concomitant diabetes mellitus［J］. Cent European J Urol，2023，76（3）：199-206.

[10] Ng M， Leslie SW， Baradhi KM. Benign prostatic hyperplasia ［M］. Treasure island （FL）：StatPearls Publishing LLC. 2025.

[11] Collins GS， Reitsma JB， Altman DG，et al. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis （TRIPOD）： the TRIPOD statement［J］. BMJ，2015，350：g7594.

[12] Pan TT， Li SQ， Dai Y，et al. Observation of complications assessed by Clavien-Dindo classification in different endoscopic procedures of benign prostatic hyperplasia： An observational study［J］. Medicine，2023，102（2）：e32691.

[13] Shang X， Fu Y， Jin XQ，et al. Association of overweight，obesity and risk of urinary incontinence in middle-aged and older women： a meta epidemiology study［J］. Front Endocrinol，2023，14：1220551.

[14] Lee HY， Wang CS， Juan YS. Detrusor underactivity in men with bladder outlet obstruction［J］. Biomedicines，2022，10（11）：2954.

[15] Chen WN， Man S， Wang B，et al. Metabolically healthy obesity is associated with increased risk of lower urinary tract symptoms secondary to benign prostatic hyperplasia： A cohort study of Chinese elderly males［J］. Low Urin Tract Symptoms，2022，14（3）：170-177.

[16] Liu W， Wang J， Wang MM，et al. Association between immune-inflammatory indexes and lower urinary tract symptoms： an analysis of cross-sectional data from the US National Health and Nutrition Examination Survey （2005-2008）［J］. BMJ Open，2024，14（3）：e080826.

[17] Andersson KE. Oxidative stress and its relation to lower urinary tract symptoms［J］. Int Neurourol J，2022，26（4）：261-267.

[18] Heo JE， Kim DG， Yoo JW，et al. Metabolic syndrome-related factors as possible targets for lower urinary tract symptoms in Korean males［J］. Aging Male，2023，26（1）：6-12.

[19] Fu X， Wang YT， Lu Y，et al. Association between metabolic syndrome and benign prostatic hyperplasia： The underlying molecular connection［J］. Life Sci，2024，358：123192.

[20] Chiang CH， Chen SF， Kuo HC. Video-urodynamic characteristics of lower urinary tract dysfunctions in patients with chronic brain disorders［J］. Neurourol Urodyn，2022，41（1）：255-263.

[21] Kreydin EI， Gad P， Gao BC，et al. The effect of stroke on micturition associated brain activity： A pilot fMRI study［J］. Neurourol Urodyn，2020，39（8）：2198-2205.

[22] Tahra A， Bayrak Ö， Dmochowski R. The epidemiology and population-based studies of women with lower urinary tract symptoms： a systematic review［J］. Turk J Urol，2022，48（2）：155-165.

[23] Lin LD， Wang W， Shao YX，et al. National prevalence and incidence of benign prostatic hyperplasia/lower urinary tract symptoms and validated risk factors pattern［J］. Aging Male，2025，28（1）：2478875.

[24] Matsui S， Kajikawa M， Maruhashi T，et al. Endothelial dysfunction，abnormal vascular structure and lower urinary tract symptoms in men and women［J］. Int J Cardiol，2018，261：196-203.

[25] Hou SP， DeFinis JH， Daugherty SL，et al. Deciphering spinal endogenous dopaminergic mechanisms that modulate micturition reflexes in rats with spinal cord injury［J］. eNeuro，2021，8（4）：ENEURO. 0157-21.2021.

[26] Kim DI， Park YM. Effects of menopause on physical activity and dopamine signaling in women［J］. Iran J Public Health，2022，51（10）：2372-2374.

[27] Ogawa T， Sakakibara R， Kuno S，et al. Prevalence and treatment of LUTS in patients with Parkinson disease or multiple system atrophy［J］. Nat Rev Urol，2017，14（2）：79-89.

[28] Azab S. The impact of atherosclerosis on lower urinary tract function［J］. Aging Male，2013，16（3）：108-111.

[29] Elhebir ES， Hughes JD， Hilmi SC. Calcium antagonists use and its association with lower urinary tract symptoms： a cross-sectional study［J］. PLoS One，2013，8（6）：e66708.

[30] Cavagna P， Takombe JL， Damorou JM，et al. Blood pressure-lowering medicines implemented in 12 African countries： the cross-sectional multination EIGHT study［J］. BMJ Open，2021，11（12）：e049632.

基金资助

国家重点研发计划(2022YFC3602903)