编辑推荐：
为解决住院老年患者营养不良高发却识别不足的问题，研究人员开展预测模型研究。基于 456 例患者数据，通过 LASSO 及多元 Logistic 回归筛选出 BMI、心力衰竭、衰弱、血红蛋白，构建列线图，AUC 达 0.906，为临床快速识别高危人群提供工具。
随着中国社会老龄化进程加速，老年人群健康问题日益凸显。营养不良作为常见的老年综合征，在住院老年患者中普遍存在却常被忽视。其不仅与不良临床结局和死亡风险增加密切相关，还会导致功能受损、生活质量下降，同时给社会带来巨大的经济负担。然而，目前常用的营养筛查工具多基于西方人群研究，缺乏专门针对中国老年住院患者的有效预测模型，临床中对营养不良的漏诊率较高，往往等到患者出现明显体征时才被发现，错失早期干预的最佳时机。因此，开发一种适合中国住院老年患者的营养不良风险预测工具，实现高危人群的早期识别与干预，成为亟待解决的临床问题。
为填补这一研究空白，上海交通大学医学院附属瑞金医院、首都医科大学宣武医院等国内多家医院的研究人员开展了相关研究。他们基于中国住院老年患者的临床数据，旨在筛选营养不良的预测因素并构建实用的列线图模型，研究成果发表在《BMC Geriatrics》。
研究人员采用回顾性研究设计，数据来源于国家重点研发计划项目，收集了 2020 年 8 月至 12 月期间来自国内 4 家医院老年科的 456 例住院老年患者资料，其中营养不良组 136 例，非营养不良组 320 例。研究中主要运用了以下关键技术方法：首先，依据欧洲临床营养与代谢学会（ESPEN）标准对患者营养状况进行评估，营养不良的诊断标准包括 BMI<18.5 kg/m2，或非自愿体重下降> 10%（不限时间）或近 3 个月 > 5%，并结合不同年龄的 BMI 阈值或去脂体重指数（FFMI）等。其次，通过 LASSO 回归和逐步多元 Logistic 回归分析筛选独立预测因子，构建列线图模型。最后，采用受试者工作特征（ROC）曲线、一致性指数（C-index）、校准曲线和决策曲线分析（DCA）等评估模型的预测性能和临床效用。
研究结果
socio-demographic and clinical characteristics
两组患者在年龄、婚姻状况、体力活动、社会活动、饮食习惯、心力衰竭、糖尿病等多项社会人口学和临床特征上存在显著差异。单因素 Logistic 回归分析显示，年龄、离婚或丧偶、饮食不均衡、心力衰竭、慢性肾脏病（CKD）、抑郁、认知障碍、衰弱等与营养不良呈正相关，而体力活动和社会活动频率、糖尿病、血脂异常、BMI、血红蛋白等与营养不良呈负相关。
Screening for predictive factors and construction of the nomogram for malnutrition
LASSO 回归筛选出 8 个非零系数变量，经逐步多元 Logistic 回归分析，最终确定 BMI、心力衰竭、衰弱和血红蛋白为独立预测因子。在构建列线图时，因中臂围（MAC）对模型影响过大，将其剔除，形成包含上述 4 个变量的优化模型。列线图中每个变量对应不同分值，总分越高，营养不良风险越高。
Predictive performance and clinical utility of the nomogram
模型的 C-index 为 0.906，ROC 曲线下面积（AUC）为 0.906，显示出良好的预测能力和区分度。最佳截断值为 82.74，此时灵敏度为 78.7%，特异度为 92.2%（约登指数 0.709）。校准曲线表明预测概率与实际观察结果高度一致，DCA 曲线显示模型在广泛的阈值概率范围内具有净获益，临床实用性良好。
研究结论与讨论
本研究成功构建了首个基于中国住院老年患者的营养不良风险预测列线图模型，该模型整合了 BMI、血红蛋白、心力衰竭和衰弱等多维度指标，涵盖人体测量、老年综合征、合并症和实验室检查信息，充分考虑了老年患者营养不良的多因素特性。模型具有良好的预测准确性、区分度和临床效用，为临床快速识别营养不良高危患者提供了直观、便捷的工具，有助于早期开展营养干预，改善患者预后，降低不良临床结局的发生风险。
尽管研究存在回顾性设计、样本量较小、未纳入部分潜在预测因子（如牙齿缺失、活动能力差、食欲改变等）以及医院间差异等局限性，但该列线图的建立为后续大规模前瞻性研究和外部验证奠定了基础，有望在临床实践中推广应用，提升老年患者营养不良的管理水平，具有重要的临床和公共卫生意义。
