《Frontiers in Nutrition》：Equation-derived SMI not generalizable for DXA-defined low muscle mass in Chinese adults: external validation study
编辑推荐：
摘要翻译：背景：当无法直接进行身体成分测量时，通常使用人体测量方程来估算四肢骨骼肌质量（ASM）。然而，目前尚不清楚由预测ASM推导的骨骼肌指数（SMI_pred）能否有效识别使用双能X射线吸收法（DXA）阈值定义的低肌量。研究人员在 undergoing 常
摘要翻译：背景：当无法直接进行身体成分测量时，通常使用人体测量方程来估算四肢骨骼肌质量（ASM）。然而，目前尚不清楚由预测ASM推导的骨骼肌指数（SMI_pred）能否有效识别使用双能X射线吸收法（DXA）阈值定义的低肌量。研究人员在 undergoing 常规健康体检的中国成人中，对Wen等人的人体测量方程进行了针对DXA的外部验证。方法：这项单中心回顾性外部验证研究纳入了2016年至2022年间接受全身DXA检查的501名中国成人。研究人员在不更新系数的情况下应用已发表方程计算预测ASM（ASM_pred），并将SMI_pred计算为ASM_pred除以身高的平方。验证内容包括Pearson相关、Lin一致性相关系数（CCC）、校准、Bland–Altman一致性分析，以及直接应用2019年亚洲肌少症工作组（AWGS）按性别分层的DXA切点对DXA定义的低肌量进行分类。作为次要分析，使用重复10折交叉验证评估简单线性再校准。结果：ASM_pred与DXA测量的ASM强相关（Pearson r = 0.892，95%CI = 0.873–0.909；CCC = 0.862），但系统性高估了ASM，平均偏倚为1.25 kg，95%一致性界限为-3.14至5.64 kg。其校准斜率为0.853（95%CrI = 0.815–0.891）。SMI_pred与DXA测量的SMI的相关性和一致性较低（Pearson r = 0.756，95%CI = 0.716–0.791；CCC = 0.705），平均偏倚为0.457 kg/m2，95%一致性界限为-1.19至2.10 kg/m2，校准斜率为0.738。ASM与SMI相关性之差为0.136（bootstrap 95%CI = 0.111–0.164；P = 0.0002）。将AWGS 2019 DXA切点直接应用于SMI_pred，灵敏度为0.211，特异度为0.963，漏检了123例DXA定义的低肌量病例中的97例。交叉验证的再校准降低了预测误差，但未消除个体水平的差异。结论：Wen方程保留了与DXA测量的绝对ASM的强关联，但显示出系统性偏倚和有限的个体水平一致性。推导出SMI后性能下降，将基于DXA的AWGS阈值直接转移至SMI_pred导致低肌量的大量漏检。当分类依赖于固定肌量阈值时，原始方程和局部再校准方程均不应作为DXA的独立替代品。在多变量筛查路径中的任何使用都需要对完整筛查规则进行单独验证。
论文解读文章：
一、研究背景与目的
骨骼肌对于躯体功能、代谢稳态和整体健康至关重要。增龄过程中肌量、肌力和功能逐渐下降，可能发展为肌少症（sarcopenia），并与跌倒、残疾、住院和死亡风险增加相关。早期识别低肌量具有重要的临床和公共卫生意义。双能X射线吸收法（dual-energy X-ray absorptiometry, DXA）是评估四肢骨骼肌质量（appendicular skeletal muscle mass, ASM）的参考方法，但其成本、可及性和操作要求限制了其在常规实践和大规模筛查中的应用。因此，人体测量预测方程作为简单、可扩展的替代工具受到关注。Wen等人提出的方程在中国人群中较为常用，但其外部效度和临床可移植性，尤其是基于阈值的分类性能，尚未得到充分验证。当预测的ASM进一步按身高平方（height2）指数化为骨骼肌指数（skeletal muscle mass index, SMI）并用于肌少症分级时，初始预测误差可能被放大，影响肌少症前状态和肌少症的识别。以往研究多仅报告相关系数，不足以证明个体水平的可互换性。研究人员开展这项针对DXA的外部验证研究，旨在评估已发表方程在独立样本中的可移植性，重点检验推导的SMI能否支持基于DXA定义低肌量的阈值判定。
二、研究设计与方法
该研究为单中心回顾性外部验证研究，数据来源于临沂市人民医院2016年1月至2022年12月期间接受健康体检并完成全身DXA检查的成人。最终纳入501名相对健康的中国成人，平均年龄51.23±14.57岁，平均BMI 24.65±3.87 kg/m2。研究人员将Wen方程按原样应用，不更新系数，计算预测ASM（ASM_pred）和预测SMI（SMI_pred = ASM_pred/height2）。主要验证方法包括：Pearson相关系数和Lin一致性相关系数（concordance correlation coefficient, CCC）评估关联与一致性；Bland–Altman分析评估一致性，包括平均偏倚和95%一致性界限；贝叶斯线性回归模型评估校准，报告校准截距和斜率的后验中位数及95%可信区间（credible interval, CrI）；将2019年亚洲肌少症工作组（Asian Working Group for Sarcopenia, AWGS）的DXA切点直接应用于SMI_pred，计算灵敏度、特异度、阳性预测值（PPV）、阴性预测值（NPV）、准确率和Cohen's kappa。次要分析采用简单线性再校准，并利用重复10折交叉验证评估再校准性能。
三、主要研究结果
3.1 参与者特征与肌少症状态患病率
根据AWGS 2019标准，378名（75.45%）参与者被归类为正常，92名（18.36%）为肌少症前状态，31名（6.19%）为肌少症。共有123名（24.55%）参与者存在DXA定义的低SMI。肌少症组年龄显著较大，体重、BMI、DXA测量的ASM、SMI、预测ASM、预测SMI和握力均显著低于正常组。肌少症前状态组的体重、BMI、DXA测量的ASM、SMI和预测SMI也显著低于正常组，但预测ASM在多重调整后差异不显著（P = 0.052）。
3.2 ASM_pred和SMI_pred针对DXA的主要验证
ASM_pred与DXA测量的ASM强相关（Pearson r = 0.892，95%CI = 0.873–0.909；CCC = 0.862），但系统性高估ASM，平均偏倚1.25 kg，95%一致性界限为-3.14至5.64 kg，校准斜率0.853（95%CrI = 0.815–0.891）。SMI_pred与DXA测量的SMI相关性较低（Pearson r = 0.756，95%CI = 0.716–0.791；CCC = 0.705），平均偏倚0.457 kg/m2，95%一致性界限为-1.19至2.10 kg/m2，校准斜率0.738。配对bootstrap分析显示ASM与SMI相关性差异Δr = 0.136（95%CI = 0.111–0.164；P = 0.0002），且ASM_pred存在较小的正比例偏倚（回归斜率0.047，P = 0.028），提示高肌量人群中被高估程度更大。SMI_pred未显示显著比例偏倚，但个体水平差异仍较大。
3.3 对DXA定义低肌量的分类性能
将DXA的AWGS切点直接应用于SMI_pred时，灵敏度仅为0.211，特异度为0.963，漏检了123例DXA定义低SMI病例中的97例，预测低SMI患病率（8.0%）远低于DXA（24.6%）。PPV为0.650，NPV为0.790，准确率0.778，Cohen's kappa为0.226。贝叶斯线性再校准将预测患病率提高至16.0%，灵敏度提高至0.374，但仍有77例漏检，特异度降至0.910，kappa为0.322。性别分层分析显示，再校准后男性灵敏度从0.216提高到0.529，女性从0.208提高到0.264，但事件数有限，应谨慎解读。
3.4 更广泛肌少症分类的次要分析
探索性多分类模型显示，SMI_pred在调整年龄、性别和BMI后未显示独立的显著关联，而年龄和BMI保持稳健的相关性。由于肌少症事件仅31例，事件每变量比率低于10，这些次要分析结果不稳定，仅作为探索性证据。
四、讨论与结论总结
讨论部分指出，ASM_pred保留了与绝对ASM的强关联，但系统性偏倚和宽一致性界限意味着即使ASM层面也不能完全与DXA互换。将ASM_pred指数化为SMI_pred后性能恶化，校准变差，一致性下降，低肌量判别能力不足。这一模式支持指数化可能放大误差的观点。DXA测量的ASM和SMI在正常、低肌量仅和肌少症组间差异清晰，而预测指标组间差异明显减弱，提示其对早期低肌量状态不敏感。年龄和BMI是肌少症分层的更稳定相关因素，年龄与较高肌少症风险相关，BMI呈负相关，但后者应谨慎解释，可能反映低体重和低营养储备的易感性，而非BMI高具有保护作用。人体测量方程主要依赖年龄、身高、体重和性别，难以捕获个体间肌肉组成的异质性。研究局限性包括单中心回顾性设计、排除了多种慢性疾病、肌少症事件数较少、仅使用单一DXA平台、未包含身体功能指标等。结论认为，Wen方程在绝对ASM估计方面保留了强相关性，但存在系统性偏倚和有限的个体一致性；推导SMI后性能下降，直接转移DXA阈值导致低肌量大量漏检。原始或再校准方程均不应在依赖固定诊断阈值的临床决策中作为DXA的独立替代品。任何在多变量筛查路径中的使用都需要对完整筛查规则进行单独验证。
