社区环境下基于小腿围和握力组合的肌少症高效筛查路径探索

本研究针对老年肌少症（sarcopenia）早期筛查难题，由台湾大学医院团队通过前瞻性横断面研究，评估了亚洲肌少症工作组（AWGS）2019共识推荐的12种筛查组合。研究发现，小腿围（CC）与握力（handgrip strength）组合具有最优敏感性（80%）和特异性，其ROC曲线下面积（AUC）和Brier评分（BS）显示该方案接近AWGS全项检测效能，为社区资源有限场景提供高效筛查方案。

　　

随着全球老龄化加剧，肌少症（sarcopenia）——这种以肌肉量减少和功能下降为特征的老年综合征正成为公共卫生新挑战。患者可能因肌肉萎缩导致跌倒、失能甚至死亡风险倍增，但早期症状隐匿，传统筛查工具如SARC-F问卷（包含力量、行走辅助、起立、爬楼梯和跌倒5项评估）敏感性仅8%，大量高危人群被漏诊。亚洲肌少症工作组（AWGS）2019年虽提出多步骤筛查共识，但复杂流程在社区场景中难以推广。如何平衡筛查效率与准确性？这一难题亟待破解。

台湾大学医院团队在《Journal of the American Medical Directors Association》发表的研究给出了答案。他们从台湾云林县农村社区招募567名50岁以上居民（女性占81%），采用横断面设计系统比较AWGS推荐的12种筛查路径。关键技术包括：通过生物电阻抗分析（BIA）测量骨骼肌质量，采用标准化握力计和步速测试评估肌肉功能，并创新性地将小腿围（CC）纳入组合分析。

研究设计
作为"健康长寿与在地养老（HOPE）"试验的子项目，研究严格遵循AWGS 2019算法，将筛查工具分为3类：SARC-F问卷、CC测量及其组合SARC-CalF，分别与握力或步速测试配对形成12条路径。

结果
数据揭示惊人差异：CC作为初筛工具时敏感性达80%，远超SARC-F的8%。最优组合——CC联合握力测试不仅敏感性/特异性平衡（AUC=0.82），其Brier评分（BS=0.09）显示预测误差最低。值得注意的是，该简化方案效能接近AWGS全流程诊断，且操作仅需卷尺和握力计。

讨论
CC的优异表现可能源于其同时反映肌肉量和脂肪分布，而握力直接关联肌肉功能。相比需要问卷访谈的SARC-F，这种"测量型"组合更客观，尤其适合教育水平较低地区（本研究65%参与者受教育<6年）。

结论与启示
这项研究为社区肌少症筛查树立了新标准：一条仅需30秒的CC测量+握力测试路径，即可实现80%高危人群识别。台湾团队特别指出，该方案对资源匮乏地区具有变革意义——无需昂贵设备，基层医务人员经简单培训即可实施。未来研究可探索该模型在不同种族中的适用性，以及结合新兴技术（如智能手机测握力）的优化空间。

（注：专业术语如SARC-F=Strength, Assistance with walking, Rising from a chair, Climbing stairs, Falls questionnaire；CC=Calf Circumference；AUC=Area Under Curve；BS=Brier Score）