基于多因素分析的养老机构老年人营养不良风险预测模型构建与验证研究

本研究针对中国老龄化社会背景下养老机构老年人高发的营养不良问题，通过LASSO回归和logistic回归分析1,023名武汉养老机构居民数据，构建包含进食方式(OR=2.89)、牙齿数量(OR=0.56)、运动缺乏(OR=1.75)、Barthel指数(OR=0.96/10分)及贫血(OR=1.91)五项指标的预测模型，AUC达0.90。该nomogram工具为养老机构营养风险分层提供了客观量化标准，对优化临床干预策略具有重要实践价值。

　　

随着全球老龄化进程加速，中国65岁以上人口已突破1.9亿，养老机构老年人的营养不良问题日益凸显。研究表明，这类人群营养不良发生率高达46.37%，远高于社区老年人17.9%的水平。这种差异背后隐藏着复杂的生理、社会和经济因素——从牙齿脱落导致的咀嚼障碍，到养老机构餐食营养密度不足，再到护理人员专业培训缺乏。然而，中国目前缺乏针对养老机构场景的精准化营养风险评估工具，现有国际标准如全球营养不良领导倡议(GLIM)又难以适应本土特点。

为解决这一难题，武汉科技大学附属老年医院的研究团队开展了一项横断面研究，通过对武汉26家养老机构1,023名老年人进行系统评估，最终开发出具有临床实用性的营养不良预测模型。这项发表在《BMC Geriatrics》的研究，首次将中国养老机构特有的风险因素如进食方式、口腔健康状况等纳入预测体系，为个性化营养干预提供了科学依据。

研究采用多阶段技术路线：首先通过国家基本公共卫生服务项目框架，收集包含Mini营养评估简表(MNA-SF)、Barthel指数等27项临床指标；随后运用LASSO回归(λ=0.014)进行变量筛选，结合10折交叉验证防止过拟合；最终通过logistic回归构建预测模型，并采用受试者工作特征曲线(AUC)、校准曲线和决策曲线分析(DCA)评估模型性能。

研究结果部分，"参与者特征"显示模型构建组(n=716)与验证组(n=307)基线特征均衡(P>0.05)，但营养不良组与非营养不良组在进食方式(管饲比例49.10% vs 10.93%)、牙齿数量(≤20颗牙71.99% vs 61.20%)等功能性指标存在显著差异。"LASSO回归变量筛选"发现五个核心预测因子：管饲进食使风险增加2.89倍，牙齿保留每减少1个等级风险升高44%，缺乏运动者风险增加75%，Barthel指数每降低10分风险上升4%，贫血患者风险增加91%。"模型验证"环节显示该nomogram具有优异区分度(训练集AUC=0.90，验证集AUC=0.88)和校准度(平均绝对误差=0.026)，DCA证实其在2-97%阈值范围内均具临床适用性。

讨论部分深入剖析了风险因子的生物学机制：牙齿缺失通过限制食物选择导致蛋白质摄入不足；管饲喂养因配方单一可能引起微量元素缺乏；贫血与营养不良形成双向恶性循环。研究建议采取包括口腔康复、贫血管理、辅助进食设备等多维度干预策略。特别值得注意的是，该模型可直接对接中国国家基本公共卫生服务系统，通过政府补贴改善养老机构餐食质量、建立全国营养监测网络等政策杠杆实现规模化应用。

尽管存在单中心研究、排除认知障碍人群等局限，这项研究仍具有重要意义：它首次建立了适合中国养老机构特点的营养风险预测体系，将临床评估时间从传统30分钟缩短至5分钟，为资源有限环境下的大规模筛查提供可行方案。未来通过多中心验证和动态监测，该模型有望成为养老机构质量评估的核心指标之一，推动中国老年营养管理从经验判断向精准预测的范式转变。