
-
生物通官微
陪你抓住生命科技
跳动的脉搏
中老年维持性血液透析患者口腔衰弱影响因素及预测列线图的开发与验证
《BMC Oral Health》:Development and validation of a nomogram for identifying the risk of oral frailty in middle-aged and elderly patients undergoing maintenance hemodialysis: a cross-sectional study
【字体: 大 中 小 】 时间:2026年09月24日 来源:BMC Oral Health 3.8
编辑推荐:
摘要背景口腔衰弱是衰弱的一种常见亚型,与肌少症、营养不良、残疾等密切相关。然而,在维持性血液透析(MHD)患者中,口腔衰弱往往被忽视。目前,关于MHD患者口腔衰弱的研究仍十分有限。本研究旨在开发一个列线图,以评估中老年MHD患者目前口腔衰弱的概率。方法2025年9月至2025
口腔衰弱是衰弱的一种常见亚型,与肌少症、营养不良、残疾等密切相关。然而,在维持性血液透析(MHD)患者中,口腔衰弱往往被忽视。目前,关于MHD患者口腔衰弱的研究仍十分有限。本研究旨在开发一个列线图,以评估中老年MHD患者目前口腔衰弱的概率。
2025年9月至2025年12月,采用便利抽样法,选取中国四川省4所三级甲等综合医院血液透析中心收治的504名中老年MHD患者作为研究对象。通过单因素分析和Logistic回归分析,筛选中老年MHD患者口腔衰弱的影响因素。使用R软件绘制列线图模型,并采用Bootstrap方法进行内部验证。采用受试者工作特征曲线(ROC)曲线下面积、Hosmer-Lemeshow(H-L)检验、校准曲线和决策曲线分析(DCA)等方法评价模型的预测能力。
中老年MHD患者口腔衰弱的患病率为39.3%。Logistic回归分析结果显示,年龄、婚姻状况、慢性口腔疼痛、频繁口干、主观咀嚼困难、躯体衰弱、社会隔离、抑郁和社会支持是中老年MHD患者口腔衰弱的影响因素。列线图模型的ROC曲线下面积为0.920(95%CI:0.892–0.947),灵敏度为0.828,特异度为0.928,准确率为0.889。校准曲线、Brier评分和H-L检验结果均表明该模型的预测准确性良好。
本研究成功开发并验证了一种用于识别中老年MHD患者口腔衰弱的列线图,该模型在横断面分类中表现出优异的性能。使用该工具可实现对中老年MHD患者口腔衰弱的有效筛查。然而,这些发现应视为初步结果,在该模型被推荐作为临床实践中的筛查工具之前,尚需在独立人群中进行外部验证。
口腔衰弱是衰弱的一种常见亚型,与肌少症、营养不良、残疾等密切相关。然而,在维持性血液透析(MHD)患者中,口腔衰弱往往被忽视。目前,关于MHD患者口腔衰弱的研究仍十分有限。本研究旨在开发一个列线图,以评估中老年MHD患者目前口腔衰弱的概率。
2025年9月至2025年12月,采用便利抽样法,选取中国四川省4所三级甲等综合医院血液透析中心收治的504名中老年MHD患者作为研究对象。通过单因素分析和Logistic回归分析,筛选中老年MHD患者口腔衰弱的影响因素。使用R软件绘制列线图模型,并采用Bootstrap方法进行内部验证。采用受试者工作特征曲线(ROC)曲线下面积、Hosmer-Lemeshow(H-L)检验、校准曲线和决策曲线分析(DCA)等方法评价模型的预测能力。
中老年MHD患者口腔衰弱的患病率为39.3%。Logistic回归分析结果显示,年龄、婚姻状况、慢性口腔疼痛、频繁口干、主观咀嚼困难、躯体衰弱、社会隔离、抑郁和社会支持是中老年MHD患者口腔衰弱的影响因素。列线图模型的ROC曲线下面积为0.920(95%CI:0.892–0.947),灵敏度为0.828,特异度为0.928,准确率为0.889。校准曲线、Brier评分和H-L检验结果均表明该模型的预测准确性良好。
本研究成功开发并验证了一种用于识别中老年MHD患者口腔衰弱的列线图,该模型在横断面分类中表现出优异的性能。使用该工具可实现对中老年MHD患者口腔衰弱的有效筛查。然而,这些发现应视为初步结果,在该模型被推荐作为临床实践中的筛查工具之前,尚需在独立人群中进行外部验证。