利用电子衰弱指数与患者报告结局预测肌少症风险：电子健康记录与前瞻性评估的创新应用

本研究针对临床实践中肌少症早期识别困难的问题，通过电子健康记录（EHR）衍生的电子衰弱指数（eFI）和患者报告结局测量信息系统（PROMIS）工具，开展肌少症风险预测研究。结果表明，eFI与PROMIS移动域评分可有效预测肌少症风险（AUC达0.76-0.91），为缺乏直接肌肉功能检测的临床场景提供了可行的筛查方案，对老年衰弱与肌肉功能障碍的早期干预具有重要意义。

　　

随着人口老龄化加剧，肌少症（sarcopenia）和衰弱（frailty）已成为影响老年人生活质量的重要健康问题。肌少症主要表现为肌肉力量、质量和功能的进行性下降，而衰弱则涉及多系统生理功能储备的减退，两者虽相互关联但具有不同的病理基础。目前临床诊断肌少症需依赖握力测试、双能X线吸收测量（DXA）等专业设备，这些检测在常规医疗环境中难以普及。此外，电子健康记录（EHR）中往往缺乏直接反映肌肉状态的指标，导致早期识别和干预存在显著困难。

为了突破这一瓶颈，研究团队开展了一项创新性研究，旨在利用易于获取的EHR数据构建电子衰弱指数（eFI），并结合患者报告结局（PROMIS）工具，预测肌少症的风险。该研究发表在《Scientific Reports》期刊，为临床提供了一种低成本、高效率的筛查策略。

研究人员主要采用了以下关键技术方法：基于累积健康缺陷模型从EHR中提取54项指标计算eFI；使用PROMIS体力功能（PF）和移动能力（Mobility）计算机自适应测试（CAT）收集患者自评数据；通过DXA测量四肢骨骼肌质量（ALM/m²），并依据欧洲肌少症工作组（EWGSOP2）标准对参与者进行肌少症分组；采用多变量逻辑回归和受试者工作特征曲线（AUC）分析评估预测效能。研究队列来自印第安纳大学肌肉骨骼功能与成像测试（FIT Core）项目的1304名成年人，涵盖广泛年龄和健康状态。

研究结果

参与者特征与分组

1304名参与者中，1055人未达到肌少症标准（无肌少症），249人至少符合1项肌少症测试阈值（Sarcopenia-1），其中76人符合≥2项阈值（Sarcopenia-2）。肌少症组年龄显著更高（p<0.01），且非裔美国人比例更高。eFI在Sarcopenia-1和Sarcopenia-2组中分别较无肌少症组升高43%和61%（p<0.01）。

eFI、PROMIS评分与肌少症的相关性

eFI与Sarcopenia-1（r=0.77）和Sarcopenia-2（r=0.66）风险呈强正相关（p<0.01）。PROMIS体力功能（PF）和移动能力（Mobility）T评分与eFI呈负相关（r=-0.50至-0.52）。多变量调整后，eFI和PROMIS移动评分对Sarcopenia-1的预测AUC均为0.76（p<0.05），而对Sarcopenia-2的预测中，eFI和PROMIS体力功能评分AUC均达0.91（p<0.05）。Charlson合并症指数（CCI）虽与肌少症相关，但在调整eFI和PROMIS后失去独立性。

身体成分与体力性能

肌少症组的ALM/m²显著低于无肌少症组（p<0.01），但体重指数（BMI）和体脂百分比更高（p<0.01）。体力性能测试（如6分钟步行、步速）显示肌少症组表现显著较差（Z评分低1-2个标准差）。eFI与BMI和体脂百分比呈正相关（r=0.19-0.33），但与ALM/m²无直接关联，提示其更反映功能而非肌肉质量。

结论与讨论

本研究首次证实电子衰弱指数（eFI）可作为肌少症的有效预测工具，尤其在与PROMIS患者报告结局结合时，展现出优异的筛查能力（AUC最高达0.91）。eFI的自动化计算特性使其易于整合到临床EHR系统中，为缺乏专业设备的医疗机构提供了实用解决方案。此外，PROMIS评分捕捉的患者主观功能限制，与客观肌肉测量高度一致，突出了患者自评在早期识别中的价值。

值得注意的是，肌少症与肥胖（高BMI、高体脂）的共存现象表明，肌肉功能衰退可能与代谢异常相互作用，这为未来机制研究提供了新方向。尽管CCI反映的疾病负担与肌肉质量独立相关，但eFI在功能预测方面的优势更符合肌少症的病理特征。

该研究的局限性包括肌少症样本量较小和EHR数据完整性依赖，但通过机器学习模型验证了结果的稳健性。未来需在外部队列中进一步验证eFi的普适性，并探索其与干预措施（如营养、运动）的联动效应。总体而言，本研究通过创新性地结合EHR数据和患者报告工具，为肌少症的早期筛查和干预开辟了可行路径，对改善老年人健康结局具有重要临床意义。