《Frontiers in Public Health》:Enhancing sarcopenia screening in primary care: a machine learning approach using simple physical tests vs. SARC-F in 2,788 community-dwelling older adults
编辑推荐:
背景:SARC-F(一种广泛使用的肌少症筛查工具)具有高特异性但敏感性差(30–50%),导致社区环境中大量漏诊。目的:开发和验证一项基于简单体能测试的机器学习模型,用于筛查社区居住老年人的肌少症,并将其性能与SARC-F进行比较。设计:横断面研究。场所和参与
背景:SARC-F(一种广泛使用的肌少症筛查工具)具有高特异性但敏感性差(30–50%),导致社区环境中大量漏诊。目的:开发和验证一项基于简单体能测试的机器学习模型,用于筛查社区居住老年人的肌少症,并将其性能与SARC-F进行比较。设计:横断面研究。场所和参与者:数据来自中国杭州45个社区卫生中心的2,788名老年人(≥60岁;64.8%女性,2025年8–9月)。确诊肌少症患病率为18.2%(依据AWGS 2019标准)。方法:预测因子包括握力(grip strength)、五次坐站试验(5STS)时间、静态平衡(static balance)和反应时间(reaction time),总耗时<5分钟。研究人员开发了XGBoost、随机森林(Random Forest)和逻辑回归(Logistic Regression)模型,并在时间独立测试集(训练集n=2,024;测试集n=764)上进行评估。模型性能通过AUC、敏感性和特异性评估。采用SHAP分析(SHapley Additive exPlanations)提供可解释性。结果:XGBoost模型表现优异(AUC=0.92;95% CI: 0.90–0.94),敏感性为86.5%,特异性为85.1%——几乎为SARC-F(34.8%)敏感性的2.5倍。5STS时间成为最强预测因子(平均|SHAP|=0.21)。通过约登指数(Youden's index)和SHAP分析,研究人员确定了12秒的5STS阈值(探索性,95% CI: 11–13秒),需前瞻性验证。决策曲线分析(Decision curve analysis)显示在10–60%阈值范围内具有正净收益,在20%阈值下净收益为0.12,相当于每筛查100人可额外识别12例真实病例,而不增加不必要转诊。结论和意义:这项经内部验证的机器学习模型显示出使用简短、低成本的体能测试进行肌少症筛查的潜力。其优越的敏感性、探索性的12秒5STS阈值以及基于设备成本比较估算的每人筛查成本降低80–90%,提示在初级保健中具有潜在应用价值,但广泛部署前需进行外部验证。实践意义:社区卫生工作者可部署该工具以实现早期识别和及时的营养与运动干预。政策意义:将其整合到现有社区健康项目中,可能通过延缓衰老社会的功能衰退来减轻长期护理负担。
肌少症(sarcopenia)是一种以肌肉质量、力量和功能进行性丧失为特征的综合征,是老年人残疾、跌倒和长期护理依赖的主要驱动因素,对全球后急性期和长期护理(PA/LTC)系统构成沉重负担。当前诊断路径面临根本困境:金标准方法(双能X射线吸收测定法(DXA)和生物电阻抗分析法(BIA))虽能精确量化肌肉质量,但因设备成本高、需专业人员操作且集中于医院,不适用于人群筛查。亚洲肌少症工作组(AWGS)2019共识提出两步社区筛查算法,但第一步使用的SARC-F问卷虽简单且特异性高(>90%),敏感性却持续偏低(30–50%),导致社区中半数以上肌少症患者在初筛阶段被漏诊,错失早期干预机会。替代工具如Ishii评分敏感性提升(70–80%)但需计算且缺乏跨亚裔人群验证,且所有现有工具均未能全面捕捉肌少症相关的多维功能损害(尤其是下肢功能)。因此,开发一种更准确且实用的初级保健筛查工具具有迫切性。中国快速老龄化的城市人口(超过2.8亿老年人)对可规模化筛查提出了紧迫需求,社区卫生中心作为初级保健骨干,需要低成本、快速(≤10分钟)且可由非专业工作人员部署的工具。机器学习可捕捉传统评分系统无法建模的功能测量间的非线性交互作用,但既往应用多集中于基于人口学和人体测量学预测肌肉质量,缺乏针对初级保健功能评估的优化工具。本研究利用来自中国杭州45个社区卫生中心的2,788名社区居住老年人数据,旨在开发和验证基于XGBoost的预测模型,将其与SARC-F进行比较,并通过SHAP分析识别最具影响力的预测因子及其阈值效应,评估临床效用。论文发表在《Frontiers in Public Health》。
研究人员采用的主要关键技术方法包括:1)横断面研究设计,样本来源于2025年8–9月在中国杭州45个社区卫生中心连续招募的2,788名≥60岁社区居住老年人(64.8%女性),确诊肌少症依据AWGS 2019标准(低肌肉质量、低肌肉力量和低体能表现,患病率18.2%);2)预测变量包括握力(数字手持测力计)、五次坐站试验(5STS)时间、静态平衡(并足站立时间,上限30秒)和视觉反应时间(便携式反应计时器),总耗时<5分钟;3)比较三种机器学习模型:XGBoost、随机森林和逻辑回归,采用时间独立验证(训练集n=2,024,测试集n=764),通过5折交叉验证和网格搜索进行超参数调优,使用类权重处理不平衡(scale_pos_weight≈4.5);4)模型评估指标包括AUC、敏感性、特异性、净现值(NPV)和阳性预测值(PPV),并采用SHAP分析进行可解释性分析和阈值探索,决策曲线分析评估临床净收益。
**参与者特征(Participant characteristics)**:通过描述性统计和组间比较(t检验/卡方检验)发现,总队列平均年龄69.4岁(SD 6.1),女性64.8%,确诊肌少症患病率18.2%。训练集和测试集在人口学、身体成分和功能测量上无显著差异(p>0.05),支持时间验证的稳健性。与无肌少症者相比,肌少症患者年龄更大(72.8 vs 68.7岁,p<0.001),BMI更低(22.9 vs 24.4 kg/m
2,p<0.001),所有功能测量均显著更差(握力16.8 vs 25.7 kg,5STS时间18.5 vs 12.1秒,平衡时间18.3 vs 26.5秒,反应时间812 vs 698 ms,均p<0.001),表明肌少症的多因素性并支持这些功能测量作为预测因子。
**预测模型性能(Predictive performance of machine learning models)**:在独立测试集上,XGBoost模型表现最优(AUC=0.92,95% CI: 0.90–0.94),敏感性86.5%,特异性85.1%,准确性85.3%,PPV 62.5%,NPV 95.6%。随机森林(AUC=0.90)和逻辑回归(AUC=0.83)次之。混淆矩阵显示XGBoost正确识别122/141例肌少症患者(真阳性),误判19例(假阴性),正确排除530/623例非肌少症者(真阴性),假阳性93例,表明模型具有平衡的性能。
**模型校准(Model calibration)**:通过校准曲线、校准截距(-0.08,p=0.28)和斜率(0.94)以及Brier评分(0.121)评估,XGBoost模型在测试集上显示良好校准,预测概率与观察比例一致,支持决策曲线分析中概率估计的有效性。
**假阴性病例特征(Characterization of false negative cases)**:分析19例假阴性(漏诊的肌少症患者)发现,与真阳性相比,假阴性患者在所有功能测量上表现更好:较短5STS时间(14.2 vs 19.1秒,p<0.001)、较高握力(20.1 vs 16.2 kg,p=0.002)、较长平衡时间(24.1 vs 17.5秒,p=0.008)和较快反应时间(745 vs 825 ms,p=0.12)。74%假阴性患者的5STS时间低于12秒阈值,提示这些主要代表早期或轻度肌少症,功能缺陷不明显,这也是所有基于功能筛查工具的共同局限。
**临床效用:决策曲线分析(Clinical utility: decision curve analysis)**:决策曲线分析表明,XGBoost模型在约8–65%阈值概率范围内净收益为正,优于“筛查所有人”和“不筛查”策略。在临床合理的20%阈值下,净收益为0.12,即每筛查100人可额外识别12例真实病例而不增加不必要转诊,优于SARC-F。
**最优模型的可解释性与关键预测因子(Interpretability and key predictors of the optimal model)**:SHAP分析显示5STS时间是最强预测因子(平均|SHAP|=0.21),其次为握力(0.15),静态平衡和反应时间贡献较小。方向效应临床一致:较长5STS时间和较低握力增加预测风险。SHAP依赖图显示5STS时间在约12秒处存在非线性阈值效应,低于此值时SHAP值接近零,高于此值后急剧增加。通过约登指数和自助法(1,000次)确认该阈值为12秒(95% CI: 11–13秒),但此阈值属探索性,需前瞻性验证。颜色梯度显示握力与5STS存在交互作用:在5STS时间超过阈值时,低握力进一步增加SHAP值,提示下肢和上肢功能缺陷共存时风险倍增。
**与传统筛查工具的比较(Comparison with conventional screening tools)**:与AWGS 2019两步筛查算法(第一步SARC-F≥4)相比,SARC-F在测试集中敏感性仅34.8%,即65%的肌少症患者被漏诊,而本模型单次测试即达86.5%敏感性(p<0.001),特异性相近(85.1% vs 89.2%),显著减少假阴性。但需注意SARC-F为无设备自报问卷,而本模型需四项测试和基本设备,两者在简便性与准确性间存在权衡。
**敏感性分析:类重加权(Sensitivity analysis: effect of class reweighting)**:比较有无类重加权的XGBoost模型,未加权模型(scale_pos_weight=1)AUC为0.91,敏感性降至81.2%,特异性升至88.6%;重加权模型(scale_pos_weight≈4.5)在敏感性和特异性间取得更好平衡(86.5% vs 85.1%),临床更优。不同加权比(0, 4.5, 9.0)的敏感性/特异性对分别为(81.2%/88.6%)、(86.5%/85.1%)和(89.4%/81.3%),所选权重合理。
**敏感性分析:排除反应时间(Sensitivity analysis: exclusion of reaction time)**:因反应时间贡献最低,排除后训练简化模型(仅握力、5STS和平衡),测试集AUC为0.91,敏感性降至84.9%,特异性相似(85.3%),性能损失小,但鉴于反应时间成本低(<1分钟),仍保留在最终模型中。
**跨亚组一致性(Consistency of findings across subgroups)**:按性别和年龄(<75岁 vs ≥75岁)进行的探索性亚组分析显示,特征重要性排序在各亚组中一致,5STS时间始终是最关键预测因子,且在≥75岁组中相对重要性更突出,表明下肢功能测量在高龄老年人中尤为关键。
讨论部分总结了研究的主要发现:XGBoost模型利用四项简单体能测试在社区居住老年人中实现了优异筛查性能(AUC=0.92),敏感性86.5%,特异性85.1%。5STS时间作为最强预测因子,其约12秒的阈值(探索性)提示可能作为简单临床警示,但需前瞻性验证。该模型敏感性是SARC-F的2.5倍,决策曲线分析显示临床净收益,设备成本降低80–90%的估算提示初级保健应用潜力。研究强调了5STS作为前哨指标反映下肢整体功能(向心功率、离心控制、动态平衡和肌肉耐力),与肌少症优先影响下肢相吻合。模型在社区环境中可整合营养与运动干预,实现从检测到干预的闭环。研究优势包括大样本量、时间独立验证、严格质量控制、多重插补和全面评估。局限性包括横断面设计(无法推断因果或预测未来事件)、缺乏外部验证、功能测量与诊断标准中握力重叠(敏感性分析显示排除握力后AUC为0.89)、便利抽样可能影响代表性,以及SARC-F与模型间不对称比较(需正式成本效果分析)。结论部分翻译如下:本研究开发和验证了一项基于四项简单体能测试的可解释机器学习模型,可准确识别社区居住老年人的肌少症风险(AUC=0.92),无需直接测量肌肉质量。该模型敏感性(86.5%)——几乎是SARC-F(34.8%)的2.5倍——以及临床可操作的探索性12秒5STS阈值,为初级保健提供了实用、低成本的工具。实践意义:社区卫生工作者无需专业设备即可部署此工具,实现早期识别并及时启动营养支持和抗阻运动计划。政策意义:若经外部验证确认,整合到现有社区健康项目中可提供成本效益的人口水平筛查策略。然而,目前结果仅基于内部时间验证,在做出临床或政策建议前需进一步研究。