《Dysphagia》：A Comparative Study of the Psychometrics and Feasibility of Artificial Intelligence Algorithms Versus the Standard Screening Methods for Oropharyngeal Dysphagia in Older Adults: A Scoping Review
编辑推荐：
摘要：口咽吞咽困难（OD）在住院老年患者中高度流行（35.6%-47.4%），但临床筛查缓慢且劳动密集，导致80%的漏诊。本研究旨在描述和比较当前OD临床筛查方法与人工智能（AI）算法在心理测量学特性和可行性方面的差异。研究人员使用PubMed Central
摘要：口咽吞咽困难（OD）在住院老年患者中高度流行（35.6%-47.4%），但临床筛查缓慢且劳动密集，导致80%的漏诊。本研究旨在描述和比较当前OD临床筛查方法与人工智能（AI）算法在心理测量学特性和可行性方面的差异。研究人员使用PubMed Central和Web of Science数据库（2009年1月-2025年8月）进行了一项范围综述，重点关注老年人（>65岁）OD筛查方法的心理测量学数据，并将其与基于AI的测试（包括AI大规模OD筛查[AIMS-OD]）进行比较。研究质量采用乔安娜布里格斯研究所关键评估清单（JBICAC）进行评估。在识别的166篇文章中，去除重复后剩余137篇。经过标题和摘要筛选，53篇全文文章被审查，其中41篇符合纳入标准；共识别出99种临床筛查方法，显示灵敏度为37%-100%，特异度为29%-97%，可靠性为37%-100%，且需要5.6-10分钟/患者。基于AI的测试表现出良好的整体心理测量学性能和可靠性，AIMS-OD显示灵敏度为88.6%-94%，特异度为42%-99.3%，可靠性为100%，且只需0.7秒/患者，无需人力资源。OD筛查方法准确但耗时，可能限制可行性并导致漏诊。AI工具表现出可比较的心理测量学性能，同时提供快速、自动化且高度可靠的筛查，不消耗人力资源。基于AI的工具是一种可行且可扩展的方法，可用于住院老年患者的早期系统筛查，促进及时识别和转诊以进行进一步评估，并可能减少OD相关并发症。
引言：口咽吞咽困难（OD）是一种被世界卫生组织（WHO）认可的消化系统疾病（国际疾病分类，ICD-11：MD93），也是一种与多种危险因素相关的常见老年综合征。它涉及形成或移动食团从口腔到食道的困难或不适，并可能包括口咽部误吸。OD影响超过4000万欧洲公民，且在多种老年个体表型中高度流行（社区居住者27%-34%，住院患者35.6%-47.5%，养老院居民61%-67%，以及社区获得性肺炎（CAP）住院患者91%）。OD可导致严重的营养和呼吸并发症，包括营养不良（MN）和脱水（DH）、下呼吸道感染、吸入性肺炎（AP），以及再入院和死亡。老年人，尤其是虚弱且伴有其他合并症者，发生这些并发症的风险增加，早期发现和治疗OD对于预防这些并发症至关重要。然而，估计80%的住院OD老年患者未被诊断。患者有权接受筛查、诊断并从医疗保健系统获得适当治疗，该系统有义务提供这些服务。OD的诊断算法包括三个主要步骤：a）筛查，b）临床评估，c）必要时进行仪器评估。吞咽筛查测试是一种非侵入性程序，旨在识别OD高风险患者。筛查应快速、简单、有效，适用于不同患者群体，在床边进行，并构建为通过/失败评估，以识别需要进一步临床和/或仪器评估的OD风险患者。当前基于访谈和问卷的OD筛查程序缓慢且消耗人力资源。这些方法可分为症状问卷和直接临床工具。筛查测试，如进食评估工具（EAT-10）和吞咽困难筛查问卷（DSQ），依赖于自我报告数据，通常由患者自填或由护士、护理助理或护理人员管理。直接临床测试，包括水吞咽测试（WST）、古金吞咽筛查量表（GUSS）、多伦多床边吞咽筛查测试（TOR-BSST）和容量-黏度吞咽测试（V-VST），涉及更专业的医疗保健专业人员的直接观察和评估。虽然症状问卷是主观的，侧重于患者报告的困难和临床症状，但临床测试提供更客观的临床体征评估，尽管通常需要经过专门培训的专业人员和额外时间，且常成为OD的临床诊断工具。筛查方法的有效性体现在其心理测量学特性中，包括诊断准确性、灵敏度、特异度、阳性预测值（PPV）、阴性预测值（NPV）、可靠性以及每位患者所需时间。灵敏度和特异度分别对于最小化假阴性和假阳性至关重要，确保适当转诊进行进一步评估或干预。PPV表示测试结果阳性者真正患有该疾病的概率，而NPV反映阴性结果正确排除诊断的可能性。可靠性显示同一测试在不同使用者或条件下的结果一致性，而每位患者所需时间和专业医疗关注是影响临床环境和老年病房系统筛查可行性的关键因素。尽管有效筛查测试的最佳截断值尚未确定，但普遍认为它们应具有高灵敏度和PPV（接近100%），阳性似然比（>3），且可靠性应接近1.0，以最小化评估者间变异性。电子健康记录（EHR）的可用性和计算机能力的提升支持了基于人工智能（AI）算法的开发，用于住院患者OD的系统、自动和实时筛查。尽管存在几种基于AI的OD筛查方法，但研究人员于2022年开发了AI大规模OD筛查（AIMS-OD）。它是一个获得专利的AI驱动软件即服务（SaaS），可在几秒钟内自动筛查数百名住院患者，并在任何拥有EHR的医院中高精度地检测OD风险。AIMS-OD与医院EHR集成，自动从常规收集的数据中识别主要的、预定义的OD危险因素，包括人口统计信息、入院相关数据、记录的诊断、药物治疗、实验室数据以及可用时的功能和营养变量，无需医疗保健专业人员的任何额外输入。AIMS-OD通过一个安全的应用程序编程接口（API）运行，该接口处理匿名化的EHR数据，并应用专有的基于机器学习的专家系统来估计患者的OD风险。为方便临床使用，当前实现将此风险评估转换为分类输出（是、否或未知），直接显示在临床医生工作站上，便于快速识别需要进一步床边或仪器评估的患者。在临床界面中，分类为“否”的患者以绿色显示，表示OD风险低于预定义的分类阈值，而分类为“是”的患者以红色显示，表示OD风险且需要进一步评估。一种将AIMS-OD与使用V-VST（一种使用3种不同黏度、每种黏度3个食团的临床测试）的临床诊断相结合的诊断算法已在马塔罗大学医院提出，作为创新举措的一部分，以评估其在西班牙加泰罗尼亚公共卫生医疗系统中预防OD相关并发症的潜力。本研究的目的是识别和描述主要可用的OD标准临床筛查工具和基于AI的筛查工具的心理测量学特性和可行性，并将其与开发的AIMS-OD版本（v1和v3）进行比较。
材料与方法：本研究是一项范围综述（ScR），对文献中关于OD主要标准筛查方法和基于AI方法的心理测量学特性和可行性的叙述性、范围性和系统性综述进行分析，并对其特性进行比较研究。
范围综述：ScR使用PRISMA-ScR方法（PRISMA-ScR）进行，关于OD筛查方法的心理测量学特性。
检索策略：检索策略包括两个电子数据库：PubMed Central（PMC）和Web of Science。检索按年份限制，包含2009年1月至2025年8月发表的论文。未施加语言和样本量限制。采用全面的三臂检索策略，每行内使用布尔运算符“OR”，行间使用“AND”。检索词涵盖三个关键领域：“Dysphagia”、“Psychometrics”和“Screening methods”。对所有纳入研究的参考文献进行仔细检查以确定其他相关研究。
入选标准：纳入标准包括所有包含标准或基于AI的OD筛查方法并提供心理测量学数据的研究。具体标准包括：(1) 分析这些筛查方法心理测量学特性的综述、系统综述（SR）和诊断准确性研究；(2) 描述标准或基于AI的OD筛查方法心理测量学特性的研究；(3) 评估特定OD筛查方法的研究；(4) 其他包含任何应用OD筛查方法并提供心理测量学数据的患者群体的研究。排除标准为：(1) 与OD无关的综述；(2) 聚焦于食管吞咽困难的综述；(3) 包含儿科人群的综述；(4) 缺乏OD筛查方法或心理测量学数据的综述。
选择过程：选择过程分为两个阶段。第一阶段旨在去除重复项并排除标题和摘要中未提及标准OD筛查方法的研究。第二阶段包括对第一阶段所选研究的全文进行详细分析，确保其符合纳入和排除标准。两个阶段均使用Rayyan（Rayyan Systems Inc., Rayyan. Cambridge, MA, USA）软件进行，该软件旨在通过允许高效筛选和比较研究来促进系统和ScR，并由两名审稿人（C.A.和L.G.）盲法独立筛选。如有分歧，第三名审稿人（P.V.）提供意见以达成共识。
数据呈现、总结指标和数据分析：由一名审稿人（C.A.）从选定研究中提取数据。使用专门设计的数据收集表提取数据，包括每项研究的以下数据：(a) 研究识别——第一作者、年份、标题；(b) 研究特征——设计（综述类型，如SR或ScR）和范围（分析的具体OD筛查方法）；(c) 样本特征——人群组（如成人、老年或特定疾病患者）、纳入/排除标准和OD病因；(d) 测试特征——评估的筛查工具（如EAT-10、GUSS、WST、V-VST）、测试方法、测试时间、使用的参考标准；(e) 心理测量学特性——可靠性、灵敏度、特异度、PPV、NPV及其他相关指标（如诊断准确性）；(f) 额外发现——实施挑战和临床实践建议。筛查工具根据其特性分为以下类别：水吞咽测试（WST）、不同黏度测试（DV）、问卷和自评量表（Q）、一般食物吞咽测试（STF）、基于AI的测试和其他类型测试（OT）。
证据质量和强度评估：为了评估纳入研究在预测OD方面的 methodological quality，研究人员使用适合每项研究设计的乔安娜布里格斯研究所（JBI）关键评估工具：a) 诊断测试准确性研究（DTA）——用于DTA研究的JBICAC；b) 诊断准确性的SR和ScR——用于系统综述的JBICAC；c) 叙述性综述——用于文本证据的JBICAC。每项纳入研究均经过评估，由研究团队中两名未参与任何纳入研究的独立审稿人（CA, JIC-M）对偏倚程度进行判断。对研究的偏倚风险和整体方法学质量进行定性评估，而非分配数值评分。研究分类为：a) 高质量（低偏倚风险，方法学问题最小，设计稳健）；b) 中等质量（有些担忧，存在不损害有效性的微小局限）；c) 低质量（高偏倚风险，存在严重方法学缺陷，需谨慎解释结果）。
比较研究：临床筛查与AI筛查
研究设计：这是一项比较研究，分析和比较ScR中发现的主要OD标准筛查工具组与基于AI的工具组的心理测量学特性。基于AI的筛查工具包括AI算法（AIMS-OD v1、AIMS-OD v3和Predicting Health工具）、预测模型以及文献中描述的各种机器学习方法。
数据来源：OD标准和AI筛查工具的心理测量学数据从ScR纳入的原始研究中提取。对于AIMS-OD v3（混合ICD-CS模型），数据来自马塔罗大学医院的内部分析。该模型实现了AUC 0.96、86.9%灵敏度、99.3%特异度、97.2% PPV和100%可靠性（未发表数据）。
心理测量学变量：分析每个工具（如可用）的以下心理测量学指标：诊断准确性：曲线下面积（AUC）、灵敏度（SE）、特异度（SP）、阳性预测值（PPV）、阴性预测值（NPV）、约登指数、诊断比值比（DOR）、阳性似然比和阴性似然比（LR+、LR-）。可靠性：评估者间可靠性、Cohen's κ、组内相关系数（ICC）、Kappa（K）、Cronbach's α、重测可靠性。可行性和实施：培训医疗保健专业人员所需时间（小时）、测试管理时间（分钟）。
统计分析：进行描述性比较分析，以评估OD筛查和预测方法的不同定义类别的心理测量学性能。为获取心理测量学值，对综述中引用的原始原始研究进行了深入审查。此过程涉及筛查超过400篇文章，为每种筛查方法提取原始心理测量学数据。所有提取的值输入结构化的Microsoft Excel数据集（Microsoft Corp., Redmond, WA, USA）。对每个测试，汇总唯一心理测量学值，并计算均值±标准差（SD）。作为探索性描述性分析，结果在组水平上通过报告研究水平均值的平均数和每个心理测量学参数的合并SD进行总结。这些结果不应视为正式的合并估计或荟萃分析指标。为比较标准筛查工具与基于AI的模型，进行了探索性配对统计检验。使用独立样本t检验（适用于正态分布数据）或Mann-Whitney U检验（适用于非正态分布数据）将分组筛查工具中每个心理测量学参数的均值与AI模型进行对比。双侧p值<0.05被认为是统计学显著。对每组，报告均值±SD，包括诊断准确性指标（AUC、灵敏度、特异度）、预测值（PPV、NPV）、似然比（LR+、LR-）和可靠性指标（Kappa指数）。提供与基于AI测试的统计比较，突出显示不同筛查类别间的比较性能差异。所有分析使用Python（Python Software Foundation. V3.12. Wilmington, DE, USA）和Microsoft Excel (Microsoft Corp., Redmond, WA, USA)进行。结果以比较表格形式呈现（表4），显示均值±SD值和相应p值。鉴于范围综述的探索性质，心理测量学特性的聚合和推论统计的使用仅旨在识别筛查方法类别间的比较模式，而非估计合并诊断准确性或因果效应。报告的均值和统计比较应解释为支持假设生成的描述性总结，同时承认研究设计、人群、参考标准和阈值定义存在显著异质性。
结果：结果部分分为两部分，第一部分涉及ScR的发现，第二部分为比较研究的结果。
ScR
纳入研究：共137篇文章被审稿人初步筛选（PubMed 98篇，Web of Science 39篇），去除重复后（初始样本n=166）。从初步筛选中，53篇文章符合第一阶段评估资格，其中12篇根据入选标准被排除，剩余41篇文章纳入ScR。通过参考文献检查未纳入其他文章。
根据每个心理测量学值的最佳测试特征：纳入研究中使用的主要参考测试为VFS（36.84%）和/或FEES（30.53%），占43.16%的病例。11.58%的研究使用专家评估（EA）或曼恩吞咽能力评估（MASA），2.11%使用言语治疗师（SLP）评估，1.05%使用V-VST，1.05%使用病历审查，1.05%使用BSE。水吞咽测试（WST）主要用于老年、卒中、神经科和ICU患者，而不同黏度测试（DV）主要应用于老年、卒中和ICU人群。问卷（Q）用于老年、ICU、肿瘤和神经科患者。一般食物吞咽测试（STF）以及基于AI的测试主要用于老年患者。最后，归类为“其他”（OT）的测试应用于一般、老年和卒中人群。大多数OD筛查测试（85.26%，n=81）报告了灵敏度和特异度，部分还包括阳性预测值和阴性预测值（PPV，46.32%，n=44；NPV，41.05%，n=39）。几项测试提供了似然比（LR+ 29.47%，n=28；LR-，25.26%；n=24），而只有少数报告了诊断比值比（DOR 11.58%，n=11）。此外，少数包括约登指数（6.32%，n=6），13项测试（13.68%）提供了所需测试时间信息。关于心理测量学特性，AUC值范围为0.64至1.00。BDST（结合WST和血氧饱和度）实现了AUC 1.0，表明完美的诊断准确性。GUSS紧随其后，AUC为0.94，而EAT-10（截断值≥3）也表现出高性能，AUC为0.90。AIMS-OD v1实现了AUC 0.84。其他机器学习模型，包括集成ML分类器、空间剂量特征+ML和深度信念网络，报告的AUC范围从0.75到0.90。灵敏度方面，值范围从12.4%到100%。DDS、RD和SGBES各达到100%。YSP显示灵敏度范围95.4%-100%，而其他工具如WST和GUSS显示出75.0%-100%的范围。此外，V-VST报告灵敏度在69%-100%之间，SPT在49.4%-100%之间，TOR-BSST在46.0%-100%之间。使用LDA欧氏距离的气道入侵检测达到100%灵敏度，而半监督ML和集成ML分类器始终显示值高于90.0%。AIMS-OD v1也报告了94.0%的强灵敏度。特异度方面，值范围从27.0%到100%。修订版SwalQoL FS显示出100%的优异值，I-RBWH为96.0%。SPT和SSA显示强特异度范围分别为83.3%-100%和59.0%-100%。其他几种工具也表现出高特异度，如MMASA（53.0%-96.3%）、EAT-10截断值≥3（52.7%-96.1%）、GUSS（43.0%-96.1%）、WST（63.0%-96.0%），而AIMS-OD v1显示较低特异度42.0%。机器学习分类器如深度信念网络和空间剂量+ML方法达到中度至高特异度（50.0%-85.0%）。PPV方面，值范围从36.0%到100%。BDST（结合WST和血氧饱和度）和SPT均达到完美分数100%，突显其识别真阳性的卓越能力。其他工具如SSA、V-VST、EAT-10截断值≥2或≥3和NDPCS也表现出显著性能，PPV得分范围分别为50%-100%、44.63%-100%、52.4%-97.1%、64.7%-97.0%和46.0%-97.0%。AIMS-OD v1提供稳健的预测能力83.4%。集成ML分类器在选定的验证研究中也显示出>80.0%的PPV。NPV方面，值范围从12.5%到100%。SST和DDS均达到完美分数100%，表明在所研究人群中，阴性结果可靠地排除了OD的存在。其他工具也表现出强NPV，包括GUSS（80%-100%）、WST（77.0%-100%）、EAT-10截断值≥3（29.6%-98.5%）和I-RBWH（报告NPV为97.0%）。AIMS-OD v1达到69% NPV。一些基于ML的分类器，特别是那些使用剂量特征训练的，显示NPV接近80.0%-90.0%。似然比方面，阳性似然比范围从1.0到24.2，阴性似然比范围从0.0到0.7。EAT-10截断值≥3显示显著阳性LR范围1.26-24.18，表明该测试阳性结果可将患有OD的概率提高至多24倍。同样，3ml WST显示范围1.57-20.1。集成ML分类器（根据训练集）呈现LR+值范围2-5。阴性LR方面，V-VST显示非常低的值（0-0.2），表明当结果为阴性时排除OD的高有效性。EAT-10截断值≥3也报告了低阴性LR范围0.02-0.47。AIMS-OD v1显示LR+为1.61。诊断有效性方面，值范围从2.54到51.20。几项测试表现出强性能，DOR超过10。V-VST显示DOR范围11.67-51.18，而EAT-10截断值≥3和≥2分别显示DOR范围8.34-29.14和5.1-38.37。测试管理时间方面，值范围从0.7秒到20分钟。最快的工具是AIMS-OD v1（0.7秒/患者）和WST（5.66秒），而问卷和床边方案需要几分钟——例如DSQ（1.2分钟）、EAT-10≥2/≥3（各3.0分钟）、GUSS（5.0分钟）、HSS-DDI（5.8分钟）、TOR-BSST和V-VST（各10.0分钟）、DDS（15.0分钟）和DTNAx（20.0分钟）。时间可靠性方面，值范围从0.37到1.00。AIMS-OD v1表现出色稳定性，可靠性评分为1.0。类似地，使用LDA欧氏距离的气道入侵检测也表现出色再现性（K=1.0）。EDAS也显示强可靠性（0.93），而EAT-10截断值≥3显示中度时间可靠性，范围0.72-0.91。
每个筛查测试根据其类别的心理测量学特性：审查的OD筛查方法分为六类，并根据其心理测量学参数进行描述。水吞咽测试（WST）（如WST、MWST、ASDS、TOR-BSST）显示出高准确性（0.86-1.00），卓越的NPV（61%-100%），以及宽广的灵敏度（31.0%-100%）和特异度（27.0%-97.0%）范围。然而，其中等PPV（38.0%-100%）和可变可靠性（0.53-1.00）表明在确认诊断和常规应用方面存在局限。不同黏度测试（DV）（如V-VST、SSA、GUSS）显示出好的诊断区分度，高AUC（0.76-1.00）。灵敏度和特异度变化广泛（两者均为29.0%-100%），且可靠性可变（0.37-0.91）。这些测试评估吞咽安全性和有效性，提供详细的吞咽功能信息，并允许推荐更安全的黏度。问卷（Q）（如EAT-10、DSQ、EDAS）表现出中度灵敏度（48.70%-98.30%）和特异度（36.4%-100%），但高可靠性（0.45-0.97）。其心理测量学特征支持其作为补充工具而非独立筛查方法的作用。一般食物吞咽测试（SFT）（如FST和三非VFG测试）表现出中度诊断性能，高灵敏度（72.0%-90.0%）但中度特异度（62.0%-71.0%）。其他测试（OT）（如NDPCS、颈部听诊、NIHSS和咳嗽测试）表现出可变灵敏度（45.0%-94.0%）和特异度（50.0%-87.0%），中等可靠性（0.46-0.68）。这些工具可能与其他工具联合使用具有价值，但缺乏足够准确性独立使用。基于AI的测试（如AIMS-OD、Predicting Health）在研究中表现出良好的整体性能，高AUC（0.64-0.99）、灵敏度（62.0%-97.1%）和稳健的可靠性（1.00）。虽然某些模型如AIMS-OD v1优先考虑了灵敏度，但其他如Predicting Health强调了特异度。由于其自动化特性、可靠性和快速性能，它们可用于早期、大规模OD筛查。
研究间证据质量和强度：ScR中所有关于OD筛查方法的纳入研究的质量根据JBICAC判断为至少足够。每项研究的总分见表3，研究特定结果见在线补充材料（补充表7-9）。所有研究的质量至少为中等。低偏倚风险在27项（65.85%）研究中，中等偏倚风险在14项（34.15%）中。关于证据强度，SR被视为提供最高级别证据，其次是DTA研究，最后是叙述性综述。
比较研究结果：表4总结了OD筛查和预测方法的主要心理测量学特性的比较分析，根据先前定义的类别分组。对每组，报告均值±标准差，包括诊断准确性指标（AUC、灵敏度、特异度）、预测值（PPV、NPV）、似然比（LR+、LR-）和可靠性指标（Kappa指数）。提供了与基于AI测试的统计比较，突出显示不同筛查类别间的显著性能差异。鉴于纳入研究的异质性，比较心理测量学估计值应解释为依赖于背景的总结。特别是，PPV和NPV受OD患病率和人群病例组合影响，似然比可能因参考标准、实施环境和研究设计的差异而变化。表4中跨类别的比较因此旨在作为典型性能的探索性综合，而非筛查方法的直接头对头排名。六个类别中标准筛查工具的比较分析揭示了与基于AI筛查测试的统计学显著差异。基于AI的测试实现了平均AUC 0.80±0.09，显著低于DV测试（0.87±0.03，p=0.03），显著高于WST（0.72±0.01，p=0.04），而与Q无显著差异（0.78±0.08，p=0.81）。灵敏度方面，基于AI的测试（68.79±24.66）显著差于DV（83.37±21.14，p=0.001）和Q（83.17±13.02，p=0.01），但与WST（75.44±21.34，p=0.17）和OT（81.35±16.62，p=0.06）的差异未达到统计学显著性。特异度、PPV和LR-在各组间未发现显著差异。NPV在AI中较低（74.91±10.04），相比OT（85.50±2.12，p=0.03），略低于WST（81.68±15.58，p=0.09），且与DV（79.00±20.47，p=0.20）或Q（82.72±16.44，p=0.12）无显著差异。LR+在AI中（1.61）显著低于WST（3.80±1.32，p=0.01）、DV（3.96±2.14，p=0.01）和Q（4.08±1.83，p=0.02）。可靠性（κ）在基于AI的工具中最高（1.00），显著超过WST（0.60±0.22，p=0.02）、DV（0.76±0.16，p<0.01）、Q（0.65±0.35，p=0.0001）和OT（0.23±0.08，p=0.01）。时间方面，基于AI的筛查明显最快（0.07秒/患者），管理时间显著短于WST（2.10±5.43分钟，p=0.02）和Q（3.96±0.64分钟，p=0.0001）。在老年人群中评估的基于AI工具中，AIMS-OD v3表现出最佳心理测量学特征之一（AUC 0.96；灵敏度86.9%；特异度99.3%；PPV 97.2%；κ=1.00），且管理时间显著低至0.07秒/患者。Predicting Health工具对于老年人群显示AUC 0.76，灵敏度44.4%，特异度93%，PPV 55%，NPV 89.6%，完美可靠性（κ=1.00）。
讨论：本ScR识别了广泛的OD筛查工具，并展示了其心理测量学性能和可行性的显著变异性。这些工具在形式、目标人群和诊断性能方面差异显著。基于AI的筛查工具显示出与标准临床方法相似的心理测量学性能，但具有更高的可靠性和整体良好性能，以及最快的执行时间，表明在医院大规模实施方面具有潜在优势。不同黏度（DV）测试显示出最平衡的诊断特征，具有高灵敏度和特异度值以及DOR，表明稳健的区分能力。水吞咽测试（WST）尽管因其简单性而被广泛应用，但显示出可变的灵敏度和特异度，在某些患者群体（特别是高误吸风险者）中损害了其可靠性。问卷提供了高可靠性和患者报告的观点，但缺乏独立筛查使用所需的心理测量学稳健性。基于AI的工具显示出广泛但整体上与床边筛查方法相当的心理测量学性能，具有一贯更高的可行性和显著减少的执行时间。这与数字健康的最新发展一致，其中基于EHR数据训练的AI算法在早期风险分层和预测诊断中日益显示出临床实用性。关于临床工具，应区分准确性、安全性和可行性。例如，WST在急性医院环境中很有用，因为它们易于管理。然而，它们无法测试多种体积和黏度，使患者暴露于误吸风险，降低诊断准确性，并省略了为每位患者选择最佳和最安全食团的过程。DV测试解决了这些限制，提高了对隐性误吸的灵敏度、整体准确性和患者的流体处方。然而，它们需要培训，且执行时间较长，限制了可扩展性。问卷提供了有价值的主观信息，可用于门诊或初级保健环境。然而，它们对患者认知和沟通的依赖造成了限制，特别是对于OD高风险的患有神经系统疾病或认知障碍的住院老年患者。其他床边方法，包括颈部听诊和咳嗽反射，显示出可变的心理测量学特性和较差的再现性，表明它们最好作为补充工具。总体而言，尽管某些临床工具具有强大的心理测量学特性，但其可扩展性和可行性仍受时间、成本和人力资源需求的限制。这些限制在OD中尤其成问题，因为其患病率非常高，漏诊率可能达80%。基于AI的筛查方法在识别OD风险患者的第一级操作，与临床诊断相对，并为临床工具固有的问题提供了可行的方法。其使用可实现大规模医院筛查，有潜力减少OD诊断的不公平访问问题，并减轻其高漏诊率。此外，基于AI的测试可通过迭代机器学习进行更新，随时间提高准确性。尽管已提出了各种基于AI的方法，如LDA、SVM和集成分类器，但这些工具通常缺乏必要的临床特征，无法进行大规模或实时筛查。相比之下，AIMS-OD和Predicting Health工具是唯一发现的旨在使用常规注册EHR进行大规模筛查的基于AI的系统。此外，基于AI的方法消除了结果解释中的主观性，将其可靠性提高到100%，这是ScR中发现的标准工具中最高的。关于老年人群，AIMS-OD的灵敏度几乎是基于AI工具Predicting Health的两倍，且AUC更优。尽管AIMS-OD显著更高的灵敏度在老年患者中特别有价值，但它不评估吞咽安全性和有效性，不同于提供更详细吞咽功能信息的V-VST或GUSS。基于AI工具的另一个关键特征是它们不需要临床医生培训且具有高可扩展性潜力，能够在几秒钟内快速、自动化地筛查大量患者群体。这使其适用于医院环境。最后，它们有潜力更具成本效益，允许早期预防和治疗OD相关并发症。OD是医疗保健系统的重大经济负担（在美国估计每年100亿美元），因其并发症、延长住院时间和高再入院率。尽管基于AI工具的OD直接经济影响尚未量化，但这些工具可能通过支持更早识别和干预OD来帮助控制成本。考虑这些发现，研究人员提出改进OD的诊断流程。在这种新方法中，基于AI的筛查作为初始分层步骤（OD风险），随后对阳性病例进行针对性临床评估（如V-VST），并在需要时进行仪器评估（高严重度病例或OD病理生理学确定）。第二步（临床诊断）允许在大多数住院OD患者中开具多模式临床干预和可能的言语-语言病理学（SLP）行为干预。如果筛查或临床评估结果为阴性，患者必须在未来再入院时使用相同算法进行监测。这一建议的OD诊断流程可能优化可行性和资源分配，同时保持诊断准确性。
研究存在一些局限。首先，纳入研究显示出显著方法学异质性，研究设计、患者群体、使用的截断值或阈值标准、结果定义和用于验证的参考标准存在差异。这种异质性限制了工具间心理测量学结果的直接可比性，并使灵敏度、特异度和预测值的合并范围解释复杂化。因此，所有比较性和推论性发现（来自探索性比较）应谨慎解释，而非作为正式合并估计。其次，尽管大多数研究符合中到高方法学质量标准，纳入叙述性综述和小型诊断准确性研究可能引入了偏倚。最后，关于基于AI的筛查工具的证据仍然有限；几个模型使用单中心或未发表数据集开发或验证，限制了普遍性，并可能高估性能。未来研究应关注在不同医疗系统和人群中基于AI筛查工具的多中心前瞻性验证。需要进行比较有效性研究，检查其相对于标准临床筛查的心理测量学性能、可行性和成本效益。此外，实施研究应对EHR系统集成、临床医生接受度以及伦理考虑（包括透明度和偏倚）进行探讨，以支持负责任的采用。
结论：本研究提供了当前OD筛查方法的概览，突显了可用筛查工具的优势、局限性和临床适用性。这些工具在其心理测量学方面显示出变异性。标准和基于AI工具（如AIMS-OD）之间的比较分析表明，后者具有相似的心理测量学特性，但在速度、人力资源独立性、自动化和可靠性方面具有相关优势。基于AI的方法不需要医疗保健专业人员的事先培训，可以减少结果解释中的变异性，并可轻松集成到EHR系统中。其可扩展性和短执行时间使其在医院环境中很有用。虽然这些工具需要多中心验证和经济研究，但研究结果强调了当前临床实践的一个相关方面：OD筛查至关重要，但由于传统临床工具的可行性限制，尚未普遍实施。将基于AI的筛查工具整合到标准临床工作流程中，可能是支持大规模、早期、系统性和更公平的OD检测、提高诊断率和编码、并可能减少住院患者OD相关不良健康结果的最可行方法之一。
