
-
生物通官微
陪你抓住生命科技
跳动的脉搏
综述:基于常规临床参数的成人生物年龄估算模型系统评价
《BMC Medical Informatics and Decision Making》:Analyzing determinants of biological age through systematic review of prediction models
【字体: 大 中 小 】 时间:2026年10月16日 来源:BMC Medical Informatics and Decision Making 5.5
编辑推荐:
摘要 背景 生物年龄可以通过多种不同的方法来估算,最常见的是通过常规血液检测中的生物标志物来确定。本系统评价的目的是识别出能够根据常规临床护理中获得的参数来估算生物年龄的数据驱动模型,描述这些模型使用的变量,并评估这些模型在临床应用方面的成熟度。 方法 本评价遵循PRISMA
生物年龄可以通过多种不同的方法来估算,最常见的是通过常规血液检测中的生物标志物来确定。本系统评价的目的是识别出能够根据常规临床护理中获得的参数来估算生物年龄的数据驱动模型,描述这些模型使用的变量,并评估这些模型在临床应用方面的成熟度。
本评价遵循PRISMA 2020报告指南进行。两位作者分别独立地在PubMed、MEDLINE/CINAHL Ultimate、Web of Science和Scopus以及SAGE期刊平台进行了搜索,搜索时间从数据库创建开始至2026年9月9日。搜索分为两个阶段:第一次搜索在2024年9月19日进行,涵盖了截至该日期的数据;第二次搜索在2026年9月9日进行,使用了扩展的搜索词库,涵盖了之后的数据。同时,也筛查了Google Scholar上的灰色文献。符合条件的研究必须是英文发表的,且需描述用于估算成人生物年龄的计算模型,列出输入该模型的变量,并使用至少一个可以通过常规血液检测获得的变量;最后一个条件是资格标准,并非综合分析中的优先变量。基于DNA甲基化或其他组学平台、影像学数据或感知年龄的模型被排除在外。偏倚风险通过PROBAST工具进行了评估。
共有23项原始研究被纳入定量分析:9项来自数据库搜索,6项来自灰色文献搜索,8项来自第二次更新后的搜索。另有2篇报告符合资格标准,但为综述文章而非原始研究,因此被排除在分析之外,并在文中进行了叙述性讨论。在这23项原始研究中,提取了473个变量条目,对应153个不同的变量,这些变量被分为五类:血液检测(n=352)、其他检查和测试(n=67)、身体组成测量(n=45)、认知和生理测量(n=5)以及其他非常规分子生物标志物(n=4)。
在最常使用的变量中,血液检测项目包括肌酐(18/23)、白蛋白(17/23)和总胆固醇(13/23);其他检查项目中,碱性磷酸酶、葡萄糖、HDL胆固醇和白细胞计数也较为常用(均为11/23);身体组成测量项目中,收缩压(12/23)和舒张压(6/23)较为常见;而身体组成测量参数中,体重指数(8/23)、身高、体重和腰围(均为5/23)较为常用。
用于估算生物年龄的变量集合差异较大,2024年后发布的模型也不例外,但大多数模型都共同使用了一小部分价格低廉、常规可获得的实验室参数。这些参数实际上可以记录在电子健康记录中,并用于在护理现场计算生物年龄。在实现这一目标之前,该领域需要标准化的生物标志物组合、在独立人群中的外部验证,以及证明基于生物年龄估计值采取行动能够改变临床管理并改善结果的证据。目前还缺乏此类证据,因此生物年龄应被视为一种风险分层研究工具,而不是可供临床操作的直接结果。
不适用。
生物年龄可以通过多种不同的方法来估算,最常见的是通过常规血液检测中的生物标志物来确定。本系统评价的目的是识别出能够根据常规临床护理中获得的参数来估算生物年龄的数据驱动模型,描述这些模型使用的变量,并评估这些模型在临床应用方面的成熟度。
本评价遵循PRISMA 2020报告指南进行。两位作者分别独立地在PubMed、MEDLINE/CINAHL Ultimate、Web of Science和Scopus以及SAGE期刊平台进行了搜索,搜索时间从数据库创建开始至2026年9月9日。搜索分为两个阶段:第一次搜索在2024年9月19日进行,涵盖了截至该日期的数据;第二次搜索在2026年9月9日进行,使用了扩展的搜索词库,涵盖了之后的数据。同时,也筛查了Google Scholar上的灰色文献。符合条件的研究必须是英文发表的,且需描述用于估算成人生物年龄的计算模型,列出输入该模型的变量,并使用至少一个可以通过常规血液检测获得的变量;最后一个条件是资格标准,并非综合分析中的优先变量。基于DNA甲基化或其他组学平台、影像学数据或感知年龄的模型被排除在外。偏倚风险通过PROBAST工具进行了评估。
共有23项原始研究被纳入定量分析:9项来自数据库搜索,6项来自灰色文献搜索,8项来自第二次更新后的搜索。另有2篇报告符合资格标准,但为综述文章而非原始研究,因此被排除在分析之外,并在文中进行了叙述性讨论。在这23项原始研究中,提取了473个变量条目,对应153个不同的变量,这些变量被分为五类:血液检测(n=352)、其他检查和测试(n=67)、身体组成测量(n=45)、认知和生理测量(n=5)以及其他非常规分子生物标志物(n=4)。
在最常使用的变量中,血液检测项目包括肌酐(18/23)、白蛋白(17/23)和总胆固醇(13/23);其他检查项目中,碱性磷酸酶、葡萄糖、HDL胆固醇和白细胞计数也较为常用(均为11/23);身体组成测量参数中,收缩压(12/23)和舒张压(6/23)较为常见;而身体组成测量参数中,体重指数(8/23)、身高、体重和腰围(均为5/23)较为常见。
用于估算生物年龄的变量集合差异较大,2024年后发布的模型也不例外,但大多数模型都共同使用了一小部分价格低廉、常规可获得的实验室参数。这些参数实际上可以记录在电子健康记录中,并用于在护理现场计算生物年龄。在实现这一目标之前,该领域需要标准化的生物标志物组合、在独立人群中的外部验证,以及证明基于生物年龄估计值采取行动能够改变临床管理并改善结果的证据。目前还缺乏此类证据,因此生物年龄应被视为一种风险分层研究工具,而不是可供临床操作的直接结果。
不适用。