《Frontiers in Oncology》：Comparative study of four sarcopenia-related risk prediction models for identifying SARC-F screening positivity in patients with colorectal cancer
编辑推荐：
目的：比较四种肌少症相关风险预测模型在识别结直肠癌（CRC）患者SARC-F筛查阳性中的性能，为住院早期筛查提供依据。方法：共纳入340例结直肠癌住院患者。SARC-F筛查阳性定义为中文版SARC-F评分≥4。根据原始公式重建Ren LSMI评分、Lim LP
目的：比较四种肌少症相关风险预测模型在识别结直肠癌（CRC）患者SARC-F筛查阳性中的性能，为住院早期筛查提供依据。方法：共纳入340例结直肠癌住院患者。SARC-F筛查阳性定义为中文版SARC-F评分≥4。根据原始公式重建Ren LSMI评分、Lim LP-SMG评分、Zhang Xuejing评分和Zhang Ying线性预测因子。采用受试者工作特征（ROC）曲线、DeLong检验、10折交叉验证再校准、Brier评分、校准指数和决策曲线分析评估模型性能。结果：340例患者中，52例为SARC-F筛查阳性，阳性率为15.29%。模型1的曲线下面积（AUC）显著低于其他三个模型，而模型2、3、4之间差异无统计学意义。再校准后，模型3的Brier评分最低（0.088），校准截距为?0.014，校准斜率为0.909，在1%–50%阈值概率范围内显示出临床净获益。模型4敏感性最高，模型1特异性相对较高。尽管模型2的AUC较高，但其再校准斜率为负，提示其不适合直接预测该结局。结论：四种模型均具有一定识别SARC-F筛查阳性的能力。其中，Zhang Xuejing评分总体表现相对稳定，可作为住院早期筛查的优选候选工具。Zhang Ying模型可能有助于减少漏诊，而Ren LSMI评分可能有助于减少假阳性。有必要在独立多中心队列中进一步验证。
结直肠癌（colorectal cancer, CRC）位居全球常见癌症第三位，约占全部癌症病例的9.6%，也是第二大癌症死亡原因。在中国，2020年CRC新发病例数已超过胃癌，成为第二大常见癌症，约80%的患者初诊时已处于中晚期，近半数生存期不足5年。肌少症（sarcopenia）是一种以进行性、全身性骨骼肌质量与力量丧失为特征的综合征，2010年由欧洲老年人肌少症工作组（EWGSOP）正式定义，在肿瘤患者中常见，可增加骨折、衰弱、跌倒、失能及死亡风险。CRC患者因常伴消化功能障碍和营养不良，肌少症风险进一步升高。已开发的多个针对CRC患者肌少症相关情况的风险预测模型在原始结局、研究人群和预测因子组成上存在差异：Ren等构建了低骨骼肌质量指数（LSMI）预测模型，Lim等预测低骨骼肌量计（SMG），Zhang Xuejing等构建了以肌少症五项问卷（SARC-F）相关结局为目标的评分，Zhang Ying则以亚洲肌少症工作组（AWGS）标准定义的肌少症为结局。由于原始结局不同，各模型的风险估计不能直接视为同一疾病结局的概率，鲜有研究在同一个住院CRC人群中以统一筛查结局比较这些评分的相对性能。
为此，研究人员在甘肃省肛肠疾病研究中心开展了一项单中心前瞻性观察性队列研究，纳入340例住院CRC患者，以中文版SARC-F评分≥4分为统一筛查结局，重建上述四种已发表的肌少症相关风险评分，比较其识别SARC-F筛查阳性的判别能力、预测准确性、校准性能和临床净获益。研究发现，Zhang Xuejing评分（Model 3）经再校准后综合表现相对稳定，可作为住院早期筛查的优选候选工具。该研究为CRC患者入院早期肌少症风险筛查的工具选择提供了比较学证据。论文发表在《Frontiers in Oncology》。
研究对象为甘肃省肛肠疾病研究中心2025年4月1日至8月1日收治的340例CRC住院患者。研究人员按原始公式重建四种评分：Model 1（Ren等低骨骼肌质量指数（LSMI）评分，含年龄、体质指数（BMI）和握力）；Model 2（Lim等LP-SMG评分，含性别、年龄、身高、BMI、吸烟史、肿瘤位置、中性粒细胞与淋巴细胞比值（NLR）、血小板与淋巴细胞比值（PLR）、血红蛋白和白蛋白-胆红素（ALBI）评分）；Model 3（Zhang Xuejing等评分，含肿瘤分期、吸烟史、饮酒史、糖尿病、营养状态和体育锻炼）；Model 4（Zhang Ying线性预测因子，含吸烟史、糖尿病、肿瘤分期、总蛋白、营养状态和体力活动）。采用受试者工作特征（ROC）曲线和DeLong检验评估判别能力，Hosmer-Lemeshow检验评估拟合优度；通过10折交叉验证logistic再校准获得out-of-fold预测概率，计算Brier评分、校准截距、校准斜率并进行决策曲线分析。
3.1 患者基线特征
共纳入340例CRC患者，其中52例为SARC-F筛查阳性，筛查阳性率为15.29%。筛查阳性组患者年龄更大（中位年龄69.0岁对60.0岁）、体质指数（BMI）更低（21.6对22.5 kg/m
2），女性比例更高（59.62%对36.11%），吸烟史和饮酒史比例更高，差异均有统计学意义；糖尿病和肿瘤位置的组间差异无统计学意义。
3.2 四种风险评分对SARC-F筛查阳性的判别能力
ROC分析显示，Model 1、2、3、4的AUC分别为0.821、0.908、0.869和0.911。配对DeLong检验表明，Model 1的AUC显著低于其他三个模型，而Model 2、3、4之间差异无统计学意义。四种模型AUC均大于0.8，均具有较强的判别能力。Hosmer-Lemeshow检验显示四个模型的P值均大于0.05，未观察到明显拟合不足，但该检验受分组策略和样本量影响，不能独立证明校准良好。
3.3 再校准后的预测准确性与校准性能
基于10折交叉验证out-of-fold预测概率进行再校准后，Model 3的Brier评分最低（0.088），显著低于其他三个模型；其校准截距为?0.014，校准斜率为0.909，接近理想值（0和1）。Model 4和Model 1的校准指数同样接近理想值。Model 2的再校准斜率为负（?1.497），提示其原始评分与SARC-F筛查阳性呈负相关，不适合直接预测该结局。
3.4 决策曲线分析
在1%–50%阈值概率范围内，Model 3的净获益持续高于“全部患者进一步评估”与“均不进一步评估”两种策略；Model 4在5%–50%大部分阈值概率范围显示正净获益；Model 1在7%–48%范围有一定净获益；Model 2仅在孤立阈值点显示净获益，临床效用不稳定。
讨论指出，本研究中SARC-F筛查阳性率（15.29%）与Souza等报道相近，与J. He等存在差异，研究人员将这一差异归因于人群特征、疾病分期和营养状态的不同，以及SARC-F筛查工具本身的影响。年龄是肌少症的关键因素，筛查阳性患者年龄更大、BMI更低，女性及吸烟饮酒者比例更高。四种模型中，Model 3变量涵盖营养状态、体力活动等功能相关指标，与SARC-F反映的功能性肌少症风险一致，综合表现最稳定，可作为首选早期筛查工具；Model 4敏感性最高（0.923），适合以优先减少漏诊为目标的筛查场景；Model 1特异性较高（0.910），适合以减少假阳性为目标的场景；Model 2虽AUC较高，但再校准斜率为负，应用前需调整风险方向并重新界定截断值。
研究结论认为，在单中心住院CRC患者队列中，经再校准后Model 3（Zhang Xuejing评分）Brier评分较低且决策曲线净获益相对稳定，可作为住院早期识别SARC-F筛查阳性的首选候选工具；Model 4（Zhang Ying模型）敏感性较高，适用于以降低漏诊率为优先的初步筛查；Model 1（Ren LSMI评分）特异性较高，可作为减少假阳性的辅助工具。早期识别高危患者可为营养评估、运动干预、康复指导和围手术期管理提供初步依据。局限性在于：SARC-F为自我报告筛查工具，不直接反映骨骼肌质量；单中心样本量有限，仅52例筛查阳性；未来需在多中心独立队列中结合CT骨骼肌质量、握力和体能表现等客观指标进一步验证。
