编辑推荐：
为解决老年肌少症患者不良事件预测工具不足的问题，研究人员构建机器学习模型，发现决策树模型预测效果良好，有助于临床营养决策。
在人口老龄化加剧的当下，老年人的健康问题备受关注。肌少症（sarcopenia），一种与年龄相关的肌肉量减少、肌肉力量降低和 / 或身体功能下降的疾病，如同隐藏在老年人群健康背后的 “杀手”。据 2019 年亚洲肌少症工作组共识，其可分为可能肌少症、肌少症和严重肌少症三类。在中国社区居住的≥60 岁老年人中，可能肌少症的患病率约为 46.0%，而老年住院患者中肌少症的比例达 37%。
肌少症不仅显著增加老年人跌倒和全因死亡风险，还会让消化系统肿瘤等疾病患者术后并发症风险飙升，延长住院时间。及时对可能肌少症患者进行干预，能有效阻止病情恶化，提升生活质量，其中营养干预对改善肌肉质量和功能状态效果显著。
然而，目前预测老年住院肌少症患者不良事件（如全因死亡和感染性并发症）的工具并不精准，这使得制定个性化营养管理策略困难重重。为攻克这一难题，中国医学科学院北京协和医学院北京协和医院普通外科、北京医院普通外科和肝胆胰外科的研究人员 Chengyu Liu、Hongyun Huang 等人展开了深入研究。相关成果发表在《Aging Clinical and Experimental Research》上。
研究人员运用了多种关键技术方法。首先，从中国 14 个城市 30 家医院的营养调查中，回顾性收集了≥65 岁、可能患有肌少症、未进行急诊手术且愿意接受营养评估并签署知情同意书的老年住院患者数据。接着，对收集到的人口统计学信息、人体测量指标、实验室指标以及通过营养风险筛查 2002（NRS - 2002）和微型营养评定简表（MNA - SF）评估的营养状况数据进行预处理，采用多次填补法处理缺失值，并通过特征选择确定重要预测变量。最后，运用决策树、随机森林、梯度提升机（GBM）等六种机器学习算法构建预测模型，并在内部验证组中使用受试者工作特征曲线下面积（AUC）、敏感度、特异度等指标评估模型性能。
在研究结果方面：
- 患者特征：研究共纳入 3999 名可能患有肌少症的老年住院患者，其中 392 名（9.8%）发生不良事件，包括 79 名（2.0%）院内死亡和 332 名（8.3%）感染性并发症，如肺炎、尿路感染等。
- 模型性能评估：对比六种模型发现，GBM、决策树和随机森林模型对不良事件的预测效果较好，AUC 分别为 0.7082、0.7072 和 0.6914。决策树模型的各项评估指标表现最佳，AUC 为 0.7072（95% CI 0.6558 - 0.7586），准确率、敏感度、特异度和召回率均大于 0.6。
- 重要风险因素识别：决策树模型确定了五个重要变量，即活动能力、食物摄入量减少、白细胞计数、上臂围和低白蛋白血症。活动能力下降、食物摄入量减少、白细胞计数升高和低白蛋白血症与不良事件风险呈正相关，而上臂围则与之呈负相关。
在研究结论与讨论部分，该研究成功构建了基于营养评估和实验室指标的决策树模型，用于预测老年住院肌少症患者的不良事件，其预测性能良好，有助于早期识别高风险患者，为临床营养决策提供指导。不过，研究也存在一定局限性，如回顾性研究设计、缺乏功能状态和肌肉质量影像学数据，可能降低模型预测能力；尽管处理了缺失数据，但仍可能存在研究偏倚；且缺少外部和前瞻性验证，模型难以推广到新环境。未来研究可前瞻性收集更多特征构建模型，在外部队列中进行验证，并加入影像学相关指标扩展不良事件预测模型。
总的来说，这项研究为老年住院肌少症患者不良事件的预测开辟了新方向，虽然目前存在一些不足，但为后续研究奠定了坚实基础，有望推动临床营养干预的精准化，改善老年患者的预后和生活质量。
