《BJS Open》：Frailty assessment tools for preoperative evaluation of older adults: scoping review
编辑推荐：
背景：由于工具性能评价不足，手术患者的最佳衰弱评估仍不明确。本范围综述（scoping review）总结术前情境中衰弱评估工具的证据，聚焦关键性能指标（performance metrics）。方法：遵循JBI和PRISMA-ScR建议，系统检索MEDLIN
背景：由于工具性能评价不足，手术患者的最佳衰弱评估仍不明确。本范围综述（scoping review）总结术前情境中衰弱评估工具的证据，聚焦关键性能指标（performance metrics）。方法：遵循JBI和PRISMA-ScR建议，系统检索MEDLINE、Embase、Cochrane Central Register of Controlled Trials（CENTRAL）和Cumulative Index to Nursing and Allied Health Literature（CINAHL）数据库（2005年至2026年5月），纳入评估≥65岁接受大腔内手术成人衰弱工具性能指标的研究。两名评价者进行筛选和数据图表化。数据按设置、手术类型和六类性能指标进行分析，涵盖测量属性、临床影响和实用性因素。结果：从12 272条记录中纳入160项唯一研究，涉及35种衰弱评估工具。一些工具被广泛研究（最多41项研究和11 287名参与者），而40%的工具仅在一项研究中被调查。预测效度（predictive validity）常被研究，而信度（reliability）、临床影响（clinical impact）和实用性因素（pragmatic factors）较少探索。Clinical Frailty Scale（CFS）被广泛研究，在不同设置和手术类型中覆盖六类性能指标中的四类。Edmonton Frail Scale（EFS）是唯一在所有六类指标中被调查的工具，尽管对表现和认知测试的依赖可能阻碍实施。FRAIL scale、Geriatric 8（G8）和Vulnerable Elders Survey-13（VES-13）是简单问卷，其中FRAIL scale被最广泛研究（六类指标中的五类）。结论：若干衰弱评估工具基于研究程度和特征显示出前景。本综述有助于临床团队识别满足特定本地需求的工具。进一步研究应聚焦临床影响和实用性因素，以及工具特异性性能指标meta分析，以增强工具选择和实施。
研究背景：衰弱并非正常衰老，而是多系统衰退导致的对应激源易感性增加状态，常被操作化为累积缺陷综合征或表型，影响10%–30%的老年人。大手术是重要应激源，衰弱与术后并发症、死亡、恢复延迟和功能下降相关。识别衰弱很重要，但尽管有指南，术前衰弱评估仍未充分利用。衰弱评估工具具有诊断、预后和临床决策用途，可促进风险分层、共同决策以及预康复和共同管理等针对性多学科干预。然而，术前实施受工具种类繁多、开发和验证水平不一致影响，临床医生不确定使用何种工具及在何种设置中使用。既往证据综合多合并多种工具、限制对具体工具临床应用的理解，或仅关注预后性能；一项综述按单个工具综合但合并多种手术类型且未检查诊断或治疗效果属性；另一项综述综合所有关键性能指标但仅限非手术情境。缺乏对单个工具性能的全面评估，阻碍指南推荐具体工具，限制衰弱评估整合到常规术前护理。为此，研究人员开展范围综述（scoping review，一种用于梳理广泛问题及文献范围与特征的方法），总结无正式老年医学培训的外科医生和围手术期临床医生可用的术前衰弱评估工具证据；目的是编目术前衰弱评估工具、描述每种工具关键性能指标的数据程度并描述工具比较。与既往常合并不同手术和非手术人群且主要关注预后效用的综述不同，本综述专门针对接受大腔内手术的老年人，并将证据总结扩展到健康评估工具评价的所有六类关键指标，包括实用性因素和临床影响。
关键技术方法（≤250字）：遵循JBI方法和PRISMA-ScR报告建议，方案在Open Science Framework前瞻性注册。系统检索MEDLINE、Embase、CENTRAL和CINAHL，初始2005年至2021年10月13日，后更新至2023年7月19日和2026年5月18日，无语言限制；未检索灰色文献，并筛查纳入研究参考文献。纳入标准为≥65岁接受大腔内非心脏手术成人中评估衰弱评估工具性能指标的研究，工具须用于术前临床诊断、预后或临床决策且由非老年医学培训临床医生应用；排除仅将衰弱作为协变量、评估单一领域、仅依赖实验室/影像值或非临床应用等研究。采用Covidence平台两阶段双人独立筛选，双人独立图表化研究/人群特征、工具特征、性能指标和比较，分歧讨论或第三评价者解决。数据按设置、手术类型和六类性能指标分析，使用环形 packing、堆叠条形图、环形热图等可视化，并描述性综合；因范围综述目的，不进行偏倚风险评估和定量meta分析。样本来源为上述数据库检索记录及符合条件研究。
研究结果：
1. 证据来源选择：通过数据库检索获得12 272条记录，未手工识别额外引文；164篇记录描述160项唯一研究符合纳入标准，4项研究各由两篇出版物报告并合并；另纳入5篇针对相关结局的工具特异性系统综述与meta分析，其中符合条件的个体研究被考虑。
2. 单个证据来源特征：研究特征汇总显示，中位研究样本量为187名参与者，大多数为单中心研究（74%）并采用前瞻性队列设计（68%）；5项研究跨多国，美国为最常见地点（32项研究）。
3. 衰弱评估工具及支持数据程度：160项研究共调查35种衰弱评估工具。多数工具（69%）出现在三项或更少研究中，40%的工具仅在一项研究中被检查。Clinical Frailty Scale（CFS）研究最多（41项），数据来自9637名参与者；7种工具研究超过10项。Risk Analysis Index–Clinical score（RAI-C）参与者最多（11 287名），来自三项大型研究。
4. 衰弱评估工具跨设置和手术类型：工具在肿瘤设置中研究最多（35种中的29种）；肿瘤设置中CFS和Geriatric 8（G8）研究最多，良性设置中Frailty Phenotype（FP）研究最多，急诊手术中CFS研究最多。按手术类型，普外、胃肠或结直肠手术研究的工具数最多，各24种；仅CFS、G8、FP、Modified Frailty Index–11 item和Frailty Index在所有手术类型中均有数据。
5. 性能指标及研究类型：按性能指标量化，预测效度研究最多（35种工具中的33种）。在12种研究最多的工具中，9种采用验证性设计，3种包含meta分析，5种评估增量价值（衰弱工具在既有危险因素之外的附加预测贡献），1种进行外部验证。最常见预测结局为任何并发症（29种工具）、死亡（26种）和再入院（18种）；老年特异性结局（如谵妄、功能、情绪、认知）仅在12种工具中评估。结构效度在12种工具中研究；同期标准在12种工具中评估，其中FP（5项研究）、Vulnerable Elders Survey-13（VES-13；5项）和G8（4项）研究最多。所有工具均作为筛查工具使用，仅6种工具与参考标准进行直接比较。信度仅在2种工具中评估，临床影响在7种工具中研究但无随机试验；实用性因素在8种工具中检查，“易用性”最常见（5种工具）。按工具看，CFS为临床医生施测的累积缺陷模型序数严重度量表（1–9），有六类性能指标中四类数据，包括7项验证性研究、3项meta分析、增量效度和信度，但缺乏实用性因素和临床影响数据。EFS为多维九领域评估并产生序数衰弱严重度评分（0–17），是唯一有全部六类性能指标数据的工具。FRAIL为简短自填五项目表型问卷（0–5），有五类指标数据，包括验证性预测效度、增量价值、临床影响和实用性因素，但缺乏信度数据。G8（八项肿瘤聚焦筛查问卷，0–17）、FP（五项表型分类，需测力计和计时步行）和VES-13（自填13项脆弱性调查，0–10）为研究最多的工具之一，均对同期标准采用验证性设计；G8包含3项预测效度meta分析，VES-13有四类实用性因素数据。RAI-C为来自临床或行政记录的复合衰弱指数，参与者数高但仅限预测效度和易用性。
6. 衰弱评估工具间比较：35种工具中26种与至少一种其他工具比较；22种在预测效度上比较，14种在同期标准上比较。14种工具进行直接比较，每种涉及1–4项研究；G8直接比较最多（4项研究）。无比较纳入由老年医学专家评估的参考标准。
7. 单个衰弱评估工具特征：本综合突出研究最多的工具。多数为问卷，3种依赖体能表现，CFS依赖临床判断。CFS和EFS使用序数量表分级衰弱，多数工具使用阈值判定阳性。4种工具有英语以外语言版本，多数为非手术人群开发。几种工具缺乏正式衰弱概念模型但覆盖多个老年领域。5种工具可在线获取。CFS和EFS需要基础培训，均提供免费在线培训，EFS需要许可。多数工具未指定施测时间，一些可自填。FP、EFS和Frailty Index需要特殊设备，但已有EFS自报版本研究。CFS基于衰弱累积缺陷模型，产生1–9分九点序数量表，从非常健康到终末期疾病，评分≥5通常表示衰弱；评估整合临床医生对移动性、精力、体力活动、日常功能、认知和共病的判断，使用结构化提示问题和视觉图示辅助；需临床医生施测，不适合自填，提供免费网络培训；潜在临床用途包括序数衰弱严重度分级以支持术前风险分层、预后沟通和不同手术设置中的照护目标规划。EFS评估九个老年领域：认知表现（画钟试验）、总体健康状况、工具性和基本日常生活活动功能独立、社会支持、用药、营养、情绪、控尿和功能移动性（Timed Up and Go Test）；各项相加为0–17分，分为从不衰弱到严重衰弱五个严重度层；需受训评估者面对面施测和认知测试，需要许可并提供免费网络培训；已有省略表现性领域的经验证自报版本；潜在临床用途包括多维衰弱严重度分级、识别可干预缺陷以进行针对性预康复或共同管理以及系列衰弱监测。FRAIL scale通过五个自报项目操作化表型模型：疲劳、阻力（爬一层楼困难）、行走（走一个街区困难）、疾病（≥5种共病）和体重下降（过去一年>5%），相加为0–5分，≥3分表示衰弱，1–2分表示衰弱前期；无需设备或专门培训，可自填。G8为八项问卷，包括食欲、体重下降、移动性、神经心理问题、体重指数、用药数量、自评健康和年龄，相加为0–17分，≤14分表示需要进一步综合老年评估。VES-13评估13个项目，涵盖年龄、自评健康、躯体功能限制和日常生活活动困难，产生0–10分，≥3分表示脆弱老年人状态；G8和VES-13均可自填且无需专门培训，常用于肿瘤设置；FRAIL scale、VES-13和G8均产生二分类衰弱分类而非序数严重度评分，潜在临床用途包括快速筛查和分诊以进一步老年评估。FP基于Fried表型模型，根据五项标准分类衰弱：非意愿体重下降、自报疲乏、低体力活动（标准化问卷）、慢步速（计时约4.5米（15英尺）步行）和握力弱（手持测力计）；每项二分类评分，≥3项表示衰弱，1–2项表示衰弱前期；评估需要特殊设备和受训评估者，对常规临床设置实施构成实际障碍；潜在临床用途包括作为研究级表型参考标准以及评估其他工具的比较效度研究。RAI-C为来自临床或行政记录的复合衰弱指数，评估功能状态、认知障碍、共病负担、症状负担和体重下降等领域；评分相加产生连续严重度估计，较高值表示更大衰弱负担；与多数其他工具不同，RAI-C不需要直接患者互动，可从现有临床数据计算；潜在临床用途包括大规模术前风险分层以及与行政数据集整合进行人群水平衰弱监测。
讨论部分总结：本范围综述识别160项研究、35种用于老年人接受大腔内非心脏手术前的衰弱评估工具，全面总结已评价性能指标及研究类型，并结合工具特征，聚焦研究最多的12种工具。尽管一些工具研究充分，最多41项研究且参与者数高，但40%仅一项研究、69%少于三项研究。预测效度常被评估，但同期标准和结构效度在不足一半工具中研究，信度、临床影响和实用性因素关注很少，验证性研究不常见。基于稳健研究和独特特征，CFS、EFS、FRAIL、G8和VES-13五种工具突出。CFS参与者数第二高、研究数最多，覆盖六类指标中四类，包括验证性设计和预测效度meta分析，是有信度数据的两种工具之一；预测效度已评估多数结局包括老年特异性结局并跨多种设置和手术类型；与其他工具在同期和预测效度上均有比较，包括两项直接比较研究；CFS基于累积缺陷模型，产生序数量表分级衰弱严重度，由临床医生施测，需基础培训和提示问题，不适合自填，提供免费网络培训；缺乏实用性因素和临床影响数据是重要空白。EFS是唯一有全部六类指标数据的工具，涵盖所有设置和手术类型（胸科除外）；增量价值、临床影响和实用性因素等重要指标已评估但研究样本较小；操作化为序数量表分级衰弱严重度，提供多维评估，但依赖表现和认知测试，在某些环境可能构成障碍；需基础网络培训和许可；已开发自报版本但需进一步研究。FRAIL、G8和VES-13为用户友好问卷，适合自填，无需培训或特殊设备，使用阈值评分限制衰弱严重度分级能力；FRAIL覆盖六类指标中五类，包括增量价值、临床影响和实用性因素，跨所有设置和多数手术类型研究；G8和VES-13主要在肿瘤设置研究，尽管研究和参与者数高，但仅有六类指标中四类数据。FP和RAI-C研究和参与者数高，但数据分别限于三类和两类指标，代表重要空白；FP需要特殊设备和培训施测。本综述提供与围手术期护理相关的衰弱评估工具目录。当前指南常推荐衰弱评估但缺乏具体工具推荐；围手术期团队可利用本综述识别与本地需求和优先事项一致的工具，如情境特异性使用（急诊或胸科手术）或跨设置和手术类型的广泛适用性。寻求全面工具且具备培训资源的团队可考虑CFS或EFS；更简单工具如FRAIL scale易于自填，可帮助分诊患者以进一步老年医学专科评估。本综述也提示研究者优先事项：已有35种工具，除非解决特定空白，应避免开发新工具；应推进研究充分的工具，解决验证性预测效度研究、同期标准直接比较、信度、临床影响和实用性因素数据等空白。临床影响至关重要，因其直接影响患者护理；研究临床影响和实用性因素可直接解决常规术前衰弱评估实施障碍，如对特定工具的信心、施测时间、相关技能和培训需求、虚拟/远程医疗应用、对衰弱评估结果的应对方法以及基于结果采取行动的策略。COSMIN、STRATOS、TRIPOD、STARD、PROGRESS系列和PAPERS框架等方法学指南为更高质研究设计提供路径；强例子包括评估衰弱工具的增量预后价值、评分者间信度和跨文化测量属性，使用经验证工具评估可行性，以及检查衰弱评估临床影响的前瞻性干预研究。本综述还突出跨所有性能指标的工具特异性定量证据综合显著空白：目前仅CFS、G8和Triage Risk Screening Tool有工具特异性定量meta分析，均限于预测效度；一项meta分析逐个检查工具但仍仅关注预测效度；另一项meta分析包含按工具亚组分析但仅识别11种工具；FRAIL工具有一项良好实施的meta分析但仍仅关注预测效度；此外许多综述报告合并比值比等统计量，对预测效度的信息价值低于推荐指标如区分度、校准和似然比。虽然结局meta分析不符合范围综述目标，本综述识别适合定量证据综合的工具；未来可优先对研究最充分工具进行性能指标的工具特异性meta分析，并按设置和手术类型亚组分析，候选包括CFS、EFS、FRAIL、G8和VES-13。遵循范围综述标准方法学指南维持了研究质量；本综述首次纳入所有相关性能指标包括临床影响和实用性因素，并使用评估实用性因素的新框架（PAPERS）；通过专门聚焦大腔内非心脏手术，本综述检查比既往常合并不同手术和非手术情境的研究更临床同质的人群，从而为围手术期实施提供更直接可操作证据。局限性包括：因预设纳入标准针对大腔内非心脏手术术前临床应用工具，可能未捕获在此情境未研究但可能有价值的工具；鉴于范围综述目标，未进行偏倚风险评估和定量meta分析，因此不能就特定性能指标跨工具的汇总效应量或偏倚风险得出结论；本综述聚焦恢复轨迹相似的手术类型即大腔内非心脏手术，发现不能应用于其他手术类型。
研究结论翻译：本范围综述编目了所有在≥65岁接受大腔内非心脏大手术成人中研究过的临床应用的术前衰弱评估工具，并对其在所有关键性能指标上的研究程度进行了全面评价。尽管识别出35种工具，但多数评价有限，仅少数显示出稳健研究。这些发现为围手术期团队选择与本地需求一致的工具以及研究团队确定关键优先事项提供了资源。未来研究应聚焦高质量验证性研究和跨所有性能指标的工具特异性meta分析，尤其是临床影响，以改善衰弱评估工具在临床实践中的实施。
