编辑推荐：
为解决缺乏整合多因素评估老年人低握力风险临床工具的问题，研究人员开展基于逻辑回归模型构建预测老年人低握力风险列线图的研究。结果显示模型有良好区分和校准性能，列线图可指导干预。对老年健康评估意义重大。
在老龄化社会中，老年人的健康问题日益受到关注。握力作为评估老年人整体健康状况的关键指标，其重要性不言而喻。想象一下，一位老人连简单的握物动作都难以完成，这不仅影响他们的日常生活，还可能预示着更严重的健康隐患。大量研究表明，握力下降与衰弱、功能受限、心血管疾病以及全因死亡风险密切相关 。然而，尽管影响握力的因素众多，从生理到认知，再到社会经济因素，目前在临床应用中，却很少有工具能将这些多因素整合到一个综合评估框架内。这就好比在复杂的健康迷宫中，医生缺乏一张有效的地图来帮助他们准确判断老年人握力相关的健康风险，从而难以进行精准干预。
为了填补这一空白，山东第二医科大学附属医院康复医学中心等机构的研究人员展开了深入研究。他们的研究成果发表在《Scientific Reports》上，为老年人握力健康评估带来了新的曙光。
研究人员为开展此项研究，运用了多种关键技术方法。首先，数据来源至关重要，他们采用中国健康与养老追踪调查（CHARLS）的数据，涵盖了丰富的信息，包括参与者的人口统计学特征、健康状况、生活方式等多方面内容。在数据分析阶段，运用 Firth 调整逻辑回归方法，以减少小样本偏差；采用多重填补（MI）法处理缺失值，确保数据的完整性和准确性；利用贝叶斯信息准则（BIC）进行变量选择，构建出简化且实用的模型。
在研究结果方面：
- 探索性数据分析：通过分析发现，握力与多个因素存在密切关系。年龄与握力呈显著负线性相关，每增长 10 岁，握力大约下降 4.5kg；BMI 与握力呈倒 U 形关系，BMI 在 23.8 - 26.4kg/m2时握力最强；认知功能与握力呈中度正相关，认知得分每增加 5 分，握力增加 2.1kg；高教育水平组握力明显高于低教育水平组；患有中风、心脏病、癌症等慢性疾病与握力呈显著负相关；血红蛋白、前白蛋白与握力正相关，C 反应蛋白与握力负相关。
- 变量选择和模型构建：从最初的 33 个潜在变量中，基于 BIC 进行变量选择，最终保留了 12 个具有显著预测能力的变量，构建出简化模型。
- 多元逻辑回归分析：分析结果表明，年龄 > 65 岁、中风病史、癌症病史是低握力的强风险因素；婚姻状况（已婚）、饮酒、中等强度体育活动、定期锻炼是保护因素；与小学及以下教育水平相比，中学和高中学历的人低握力风险显著降低；BMI 第三四分位数（23.8 - 26.4kg/m2）对低握力有最强的保护作用；希望指数越高，低握力风险越低；日常生活活动受限和糖化血红蛋白 > 5.7% 是低握力的独立风险因素。
- 预测模型性能评估：简化模型在减少 64% 变量的情况下，与完整模型相比，具有可比的区分能力（AUC：0.78 vs. 0.77）和校准性能（Brier 评分：0.179 vs. 0.183）。ROC 曲线分析显示简化模型 AUC 为 0.78，具有良好区分能力，内部验证表明模型有一定泛化能力。校准曲线显示模型校准性能良好，整体预测误差小。综合多种方法确定最佳分类阈值为 0.40，决策曲线分析表明在该阈值下模型临床净效益显著高于 “治疗所有” 和 “不治疗” 策略。
- 构建预测列线图：基于简化模型构建的列线图，可根据患者个体特征直观评估低握力风险，为临床提供了便捷工具。
研究结论和讨论部分指出，该研究成功开发并验证了基于逻辑回归的列线图，用于预测老年人低握力风险。研究确定的 12 个关键预测因素，涵盖了年龄、慢性疾病史、生活方式等多个方面，为全面评估老年人握力健康提供了依据。列线图在实际应用中具有显著优势，医护人员可快速完成风险评估，精准分配医疗资源。然而，研究也存在一定局限性，如横断面研究设计限制因果推断，缺乏部分潜在相关变量，缺少外部队列验证等。尽管如此，该研究依然为老年健康评估领域做出了重要贡献，为后续研究指明了方向，有望推动多学科协作，共同关注老年人握力健康，改善老年人生活质量。
