印度南部两岁以下儿童营养不良负担评估：上臂围与身长体重Z评分的识别一致性研究

《Public Health Nutrition》：Burden of anthropometric failures and concordance of mid-upper arm circumference with weight for length z score in identifying malnutrition among under two-year-old children in Southern India

本研究针对印度南部地区两岁以下儿童营养不良的精准识别难题，通过评估复合 anthropometric failure index (CIAF) 的流行率，系统分析了中上臂围(MUAC)与身长体重Z评分(WLZ)在识别急性营养不良中的一致性。结果显示，MUAC与WLZ仅存在中等一致性(Kappa=0.32)，且两者识别出的营养不良儿童群体存在显著差异。研究提出采用更高MUAC截断值(136mm)进行社区初筛，为资源有限地区的营养不良筛查策略提供了重要循证依据。

　　

在全球范围内，营养不良仍然是影响儿童健康的主要挑战之一。据世界卫生组织(WHO)数据，2022年全球5岁以下儿童中，有1.48亿存在生长迟缓(低身长年龄Z评分，LAZ)，4500万存在消瘦(低身长体重Z评分，WLZ)。印度作为人口大国，其营养不良问题尤为突出，2019-21年的全国家庭健康调查(NFHS-5)显示，印度儿童生长迟缓患病率达35.5%，消瘦为19.3%，低体重为32.1%。这些数字背后，是数百万儿童面临的发展障碍和健康风险。

然而，准确识别营养不良儿童并非易事。目前，国际上常用的评估工具包括身长体重Z评分(WLZ)和中上臂围(MUAC)，但两者识别出的营养不良儿童群体存在差异，且各有优劣。WLZ虽然被广泛认可，但测量复杂、成本高，在社区环境中实施困难；MUAC操作简便，但与WLZ的一致性一直存在争议。在资源有限的地区，如何选择最有效的筛查策略，成为公共卫生工作者面临的现实难题。

在此背景下，由Midhun Sasikumar领衔的研究团队在印度泰米尔纳德邦韦洛尔地区开展了一项深入研究，旨在评估不同营养不良指标的识别效能，为优化筛查策略提供科学依据。该研究近期发表于《Public Health Nutrition》期刊。

研究人员采用了一项社区为基础的开放标签年龄分层随机预概念验证(pre-proof-of-concept, pre-POC)试验的预筛查数据，该研究于2022-2023年在韦洛尔地区进行。研究团队通过入户调查的方式，对5-19个月龄的儿童进行了全面的 anthropometric 测量，包括体重、身长、MUAC和头围(HC)。所有测量均由经过WHO指南标准化培训的研究助理执行，并使用专业设备(Seca品牌)确保数据准确性。最终，663名儿童被纳入分析，平均年龄11.4个月，男女比例基本均衡。

主要技术方法包括：使用符合WHO标准的 anthropometric 测量工具和标准化流程；采用WHO Anthro Survey Analyser计算WLZ、WAZ(体重年龄Z评分)、LAZ和MUACZ(MUAC Z评分)；运用复合 anthropometric failure index (CIAF)综合评估营养不良负担；通过Kappa统计量评估不同指标间一致性；利用受试者工作特征曲线(ROC)确定最佳MUAC截断值。

描述性统计

研究人群的平均体重为8.9±1.2kg，身长为71.5±4.7cm。各 anthropometric 指标的Z评分分布显示，参与儿童的整体营养状况存在较大变异。

营养不良患病率

研究发现，消瘦、生长迟缓和低体重的患病率分别为16.6%、24.3%和23.8%。更为重要的是，通过复合 anthropometric failure index (CIAF)评估，36.7%的儿童至少存在一种形式的 anthropometric 缺陷，8.2%存在严重缺陷。22.2%的儿童存在多重 anthropometric 缺陷(即同时存在消瘦和低体重、生长迟缓和低体重、或消瘦、生长迟缓和低体重)。年龄趋势分析显示，CIAF和生长迟缓的患病率随年龄增长呈上升趋势(Cochran-Armitage检验p值<0.001)。

指标间重叠与相关性

Venn图清晰展示了不同营养不良指标间的重叠情况，仅有16名儿童同时被WLZ≤-2SD、MUAC<125mm以及低体重和生长迟缓指标识别为营养不良。相关性分析显示，MUAC和MUACZ与WLZ和WAZ之间存在强相关性(相关系数r=0.64-0.70)，但与LAZ的相关性较弱(r=0.27-0.34)。

一致性与诊断性能

MUAC与WLZ之间的一致性一般(Kappa=0.32)，敏感度为23.6%，特异度为99.1%。MUAC与WAZ和LAZ的一致性较差(Kappa分别为0.19和0.10)。MUACZ与各 anthropometric 指标的一致性也很差(Kappa<0.20)。

ROC分析与理想截断值

ROC分析确定了MUAC和MUACZ识别不同形式营养不良的理想截断值。对于WLZ≤-2SD，MUAC的理想截断值为136mm(AUC=0.879)，敏感度和特异度分别为91.8%和68.2%；MUACZ的理想截断值为-0.90(AUC=0.882)。对于WAZ≤-2SD，MUAC的理想截断值为138mm，MUACZ为-0.80。两种指标对LAZ的判别能力均较差(AUC<0.70)。

本研究通过复合 anthropometric failure index (CIAF)全面评估了韦洛尔地区幼儿的营养不良负担，发现超过三分之一的儿童存在至少一种形式的 anthropometric 缺陷。与以往研究相比，该地区的营养不良负担与近期NFHS-5的估计基本一致，但明显低于印度全国水平。

研究证实了MUAC和WLZ在识别急性营养不良时存在显著差异，两者仅存在中等程度的一致性。这一发现与埃塞俄比亚、柬埔寨和尼泊尔等国的研究结果相似，强调了单一指标识别营养不良的局限性。值得注意的是，大多数MUAC和WLZ值较低的儿童同时也存在低体重，提示WAZ可能是一个有用的综合指标。

基于ROC分析结果，研究提出在社区层面采用更高的MUAC截断值(136mm)进行初筛，再对筛查阳性者进行WLZ测量，这种阶梯式方法可显著提高社区筛查的可行性。此外，考虑到低体重覆盖了大多数MUAC和WLZ较低的参与者，单独使用WAZ也可能是一种有效的替代方案。

然而，研究者也指出 anthropometric 测量应被视为病例定义工具而非营养不良的绝对标准。未来研究需通过随访进一步探索与儿童不良结局风险最相关的 anthropometric 指标，为营养不良的精准识别和干预提供更多证据。

该研究的优势在于使用CIAF全面评估营养不良负担、严格的测量标准化流程以及足够的样本量。主要局限性包括便利抽样方法、年龄范围与常规分类不一致以及缺乏社会人口学特征数据。

总之，这项研究为印度南部地区儿童营养不良的筛查策略提供了重要见解，提出的阶梯式筛查方法有望在资源有限的环境中提高筛查效率，为优化儿童营养干预方案提供了科学依据。