脑瘫住院患儿营养状况与风险筛查工具的临床效能评估及预测模型构建

本研究针对脑瘫(CP)患儿高发的营养不良问题，系统评估了四种营养风险筛查工具(SGNA/STRONGkids/STAMP/PYMS)在住院CP患儿中的应用效能，发现64.8%的患儿存在营养不良，且与运动功能分级(GMFCS/MACS)显著相关。研究人员通过多变量分析构建了包含年龄、白蛋白(ALB)、甘油三酯(TG)和MACS分级的预测模型(AUC=0.88)，为临床营养管理提供了客观工具。该成果对改善CP患儿营养干预策略具有重要实践价值。

　　

脑瘫(CP)作为儿童期最常见的运动障碍疾病，不仅导致运动功能受限，更伴随着高达70%的营养不良发生率。这种"隐形危机"严重制约患儿的生长发育和康复效果，但临床却面临两大困境：传统营养评估方法在CP患儿中适用性存疑，而快速筛查工具又缺乏针对性验证。更棘手的是，CP患儿的特殊生长轨迹使得普通生长曲线参考价值有限，如何精准识别营养风险成为临床亟待解决的难题。

针对这一科学问题，贵州医科大学公共卫生学院（Key Laboratory of Environmental Pollution Monitoring and Disease Control, Ministry of Education）联合贵州康复医院的研究团队开展了一项前瞻性研究。通过对91例住院CP患儿的系统评估，发现令人警醒的数据——64.8%的患儿存在不同程度营养不良，其中34.1%已达严重程度。研究创新性地比较了四种常用筛查工具与金标准Z评分的效能，发现SGNA和STAMP相对更优（敏感度23% vs 12%），但现有工具整体表现仍不理想。更值得关注的是，团队首次构建了包含年龄、ALB、TG和MACS分级的预测模型，其AUC达0.88，为临床提供了无需复杂体测的评估方案。该成果发表于《Scientific Reports》，为CP患儿的营养管理提供了循证依据。

研究采用多维度技术方法：通过WHO Anthro软件计算WHZ/WAZ/HAZ/BAZ等Z评分作为金标准；应用SGNA等四种筛查工具进行平行评估；采集血清ALB、PA等生化指标；采用GMFCS和MACS分级系统评估运动功能；并利用逻辑回归构建预测模型。

基线特征揭示严峻现状
纳入的91例患儿中，GMFCS IV-V级占49.5%，MACS IV-V级达53.8%，反映样本以中重度功能障碍为主。Z评分显示仅35.2%患儿营养正常，而71.4%的照护者已关注到营养问题，凸显临床需求迫切性。

筛查工具效能大比拼
以Z评分为基准，SGNA表现出最高敏感性(23%)和一致性(K=0.176)，而PYMS表现最差(敏感度仅2%)。对严重营养不良的识别中，STAMP展现最佳效能(K=0.365)，其阳性预测值达91%，提示不同工具适用场景可能存在差异。

影响因素深度剖析
多因素分析揭示：年龄每增加1岁，营养不良风险升高22%(OR=1.22)；ALB每升高1g/L风险降低29%(OR=0.71)；尤为意外的是，MACS II级患儿风险竟达I级的50.35倍，这可能与手功能中度受损患儿的喂养过渡期特殊性相关。

照护者评估的启示
虽然照护者主观评估与Z评分一致性有限(K=0.222)，但其对严重营养不良的识别敏感度达68%，提示家庭观察可能成为早期预警的重要补充。

预测模型的临床价值
基于年龄、ALB、TG和MACS构建的nomogram模型，其校准曲线P值达0.588，决策曲线显示在全阈值范围内均有净收益。这种仅需常规检验指标的模式，特别适合体测困难的严重CP患儿。

这项研究首次系统评估了住院CP患儿的营养状况与筛查工具效能，其创新性体现在三方面：一是揭示了现有筛查工具在CP人群中的局限性，呼吁开发专用工具；二是发现MACS分级对营养风险的预测价值被既往研究忽视；三是构建的预测模型实现了"无体测化"评估。这些发现不仅为临床营养干预提供精准标靶，更提示需要建立多学科协作的CP营养管理路径，将营养评估纳入康复治疗常规流程。未来研究可进一步扩大样本验证模型效能，并探索营养干预对运动功能改善的潜在效益。