陳海青，賈星玲，陳 靜*，孫 嘉，張 涵

1.鶴壁職業(yè)技術(shù)學(xué)院，河南 458000；2.鄭州大學(xué)

肌少癥是與增齡相關(guān)的肌肉量減少、肌肉力量下降和（或）軀體功能減退的老年綜合征[1]。肌少癥會(huì)導(dǎo)致老年人生活質(zhì)量下降[2]，增加老年人跌倒、住院和死亡的風(fēng)險(xiǎn)[3]。研究顯示，我國社區(qū)居民肌少癥的患病率為8.9%～38.8%，80 歲及以上老年人肌少癥患病率則高達(dá)67.1%[4]。因此，隨著我國老齡化社會(huì)的到來，肌少癥將是我國老年人面臨的重大健康問題。肌少癥起病隱匿，進(jìn)展緩慢，常以跌倒、失能等嚴(yán)重并發(fā)癥為首要表現(xiàn)，易被忽視[5]。因此，早期識(shí)別和預(yù)防至關(guān)重要。臨床預(yù)測(cè)模型是指利用多因素模型估算患有某病的概率或者將來某結(jié)局發(fā)生的概率[6]。肌少癥臨床預(yù)測(cè)模型可以幫助醫(yī)護(hù)人員提前識(shí)別可能發(fā)生肌少癥的高危老年人，從而制定適當(dāng)?shù)尼t(yī)療、護(hù)理決策[7]。目前已有數(shù)個(gè)肌少癥臨床預(yù)測(cè)模型，但由于各模型構(gòu)建方法不同、評(píng)估指標(biāo)各異、評(píng)估內(nèi)容不統(tǒng)一，造成了不同的預(yù)測(cè)結(jié)果。鑒于此,本研究對(duì)國內(nèi)外肌少癥臨床預(yù)測(cè)模型進(jìn)行總結(jié)、分析，以期為臨床實(shí)踐和后續(xù)模型開發(fā)提供參考。

1 肌少癥臨床預(yù)測(cè)模型的類型

1.1 肌少癥篩查問卷

目前，使用最廣泛的肌少癥篩查問卷有肌少癥五條目問卷(Strength、Assistance in Walking，Rise from a Chair，Climb Stairs and Falls，SARC-F）、SARC-F 聯(lián)合小腿圍（SARC-F combined with Calf Circumference，SARC-CalF）和微型肌少癥風(fēng)險(xiǎn)評(píng)估問卷（Mini Sarcopenia Risk Assessment，MSRA）等。SARC-F 問卷由力量、行走輔助、從椅子上站起來、爬樓梯和跌倒5 個(gè)條目組成[8]。多項(xiàng)研究顯示，SARC-F 具有較低的敏感性[9-13]，說明該問卷識(shí)別肌少癥病人的能力較弱，且有學(xué)者認(rèn)為該問卷中除跌倒史外，其他4 個(gè)問題的答案均存在主觀性，結(jié)果可能受老年人生活態(tài)度及心理因素的影響，導(dǎo)致結(jié)果存在偏倚[14]。盡管存在上述局限性，但是考慮到該問卷較為簡單且篩查成本較低，通過評(píng)分可以及早發(fā)現(xiàn)肌少癥，因此，仍被一些學(xué)者推薦用于肌少癥的篩查[15]。2016年，巴西學(xué)者Barbosa-Silva等[16]將SARC-F 問卷和小腿圍指標(biāo)結(jié)合形成了SARC-CalF。2020 年，Mo 等[17]的研究結(jié)果顯示，基于2 種不同的國際金標(biāo)準(zhǔn)，SARC-CalF 均具有中度敏感性和高特異性，與Yang 等[18]的研究結(jié)果一致。MSRA問卷包括MSRA-7 和MSRA-5 2 個(gè)版本，MSRA-7 問卷由年齡、體力活動(dòng)水平、住院、體重減輕、每日膳食數(shù)、乳制品消費(fèi)和蛋白質(zhì)消費(fèi)方面相關(guān)的7 個(gè)條目組成，去除每日膳食數(shù)及乳制品消費(fèi)2 個(gè)條目,形成MSRA-5[19]。Yang 等[20]基于4 種國際肌少癥診斷標(biāo)準(zhǔn)，比較了上述問卷在我國養(yǎng)老院277 名老年人中的應(yīng)用效果，結(jié)果顯示，在不同國家金標(biāo)準(zhǔn)下，SARC-CalF的受試者工作特征（ROC）曲線下面積（AUC）最大，表明SARC-CalF 更適用于篩查養(yǎng)老院老年人肌少癥。2020 年，波蘭學(xué)者Krzymińska-Siemaszko 等[21]比較了以上4 個(gè)問卷在波蘭社區(qū)老年人肌少癥篩查中的應(yīng)用效果，結(jié)果也表明，SARC-CalF 篩查肌少癥的能力最強(qiáng)。但該研究認(rèn)為，肥胖是小腿圍的一個(gè)混雜因素，可能會(huì)影響SARC-CalF的診斷能力。因此，雖然SARC-F、SARC-CalF、MSRA 是常用的肌少癥篩查問卷，但結(jié)果易受老年人生理、心理及生活態(tài)度等多種因素的影響，其準(zhǔn)確性和客觀性有待進(jìn)一步考量。

1.2 Ishii 評(píng)分（Ishii Score Chart）

2014 年，日本學(xué)者Ishii 等[22]通過調(diào)查日本的1 971名功能獨(dú)立的65 歲及以上的社區(qū)居民，構(gòu)建了Ishii 評(píng)分。根據(jù)成本、測(cè)量的方便性和設(shè)備的可用性來選擇候選變量，模型最終納入了年齡、握力和小腿圍3 個(gè)預(yù)測(cè)因子，并按性別進(jìn)行了分層，具體計(jì)算公式為：男性得分=0.62×（年齡-64）-3.09×（握力-50）-4.64×（小腿圍-42)；女性得分=0.80×（年齡-64）-5.09×（握力-34）-3.28×（小腿圍-42)，最佳截?cái)嘀禐槟行?05 分、女性120 分，男性女性的敏感性分別是84.9%、75.5%，特異性分別是88.2%、92.0%，ROC 曲線下面積分別為0.939，0.909。內(nèi)部效度評(píng)估表明，模型在相似人群中預(yù)期良好（男性為0.937，女性為0.907）。2018 年，李敏等[23]應(yīng)用Ishii 評(píng)分對(duì)122 例符合標(biāo)準(zhǔn)的社區(qū)老年人進(jìn)行肌少癥評(píng)估，結(jié)果表明，Ishii評(píng)分敏感性為男性88.2%、女性82.3%，特異性為男性73.4%、女性71.0%，ROC 曲線下面積男性為0.917、女性為0.859。2021 年，Chen 等[24]以亞洲肌少癥工作組（AWGS）2019 版肌少癥診斷標(biāo)準(zhǔn)為標(biāo)準(zhǔn)，驗(yàn)證該模型在社區(qū)老年人中的預(yù)測(cè)準(zhǔn)確性，結(jié)果顯示，Ishii 評(píng)分預(yù)測(cè)肌少癥的ROC 曲線下面積為0.84，其中女性為0.80～0.89，男性為0.75～0.86。按原始截?cái)嘀涤?jì)算（男性105 分，女性120 分），男性、女性的靈敏度分別為64.94%和46.91%；特異度分別為85.46%和93.22%。在新的截?cái)嘀迪拢行院团苑謩e大于95 分和102分），男性、女性的敏感度分別為70.65%和75.31%；特異度分別為81.35%和79.9%。綜上所述，Ishii 評(píng)分對(duì)于預(yù)測(cè)社區(qū)老年人肌少癥具有較高的預(yù)測(cè)價(jià)值。且模型納入的指標(biāo)具有客觀、易采集和無創(chuàng)的特點(diǎn)，因此可能是簡單、可行的肌少癥的篩查模型。但由于該模型在不同人群中的截?cái)嘀挡煌?，因此未來需要進(jìn)一步擴(kuò)大樣本量來確定在我國社區(qū)老年人中應(yīng)用的最佳截?cái)嘀怠?/p>

1.3 肌少癥評(píng)分評(píng)估模型（SarSA-Mod）

2021 年，Shafifiee 等[25]調(diào)查收集了2 211 名60 歲及以上老年人的數(shù)據(jù)開發(fā)了SarSA-Mod。其中，開發(fā)集（n=1 499）和驗(yàn)證集（n=712），根據(jù)測(cè)量成本、待測(cè)量變量的可行性和可用性以及雙變量分析的結(jié)果選擇候選變量，且所有分析均按性別分層，最終納入了年齡、體重和小腿圍3 個(gè)預(yù)測(cè)因子。模型的具體計(jì)算公式為：男性得分=(1.4×年齡)-(1.2×小腿圍)-(0.5×體重)-37.42；女性得分=(0.2×年齡)-(1.7×小腿圍)-(體重+92.56)。結(jié)果顯示，該模型的ROC 曲線下面積男性為0.82、女性為0.87。男性和女性最佳截?cái)嘀捣謩e為-19.07 和-14.19，男性敏感性為85.4%、特異性為64.8%，女性敏感性為84.3%、特異性為76.0%。內(nèi)部驗(yàn)證結(jié)果：模型的性能在開發(fā)和驗(yàn)證數(shù)據(jù)集中沒有顯著差異。同時(shí)，該研究還比較了模型與SARC-F、SARCF-Calf(31 cm)和SARCF-Calf(33/34 cm) 在總?cè)丝谥械牟煌詣e的ROC 曲線下面積，結(jié)果顯示，SarSA-Mod 的ROC 曲線下面積大，女性為0.88、男性為0.83。表明SarSA-Mod 作為一種簡單、無創(chuàng)、可行的肌少癥預(yù)測(cè)模型，具有較高的靈敏度和準(zhǔn)確性，在篩查肌少癥方面優(yōu)于SARC-F 和SARC-Calf。但是，目前尚未見SarSA-Mod 模型的臨床驗(yàn)證，缺乏外部驗(yàn)證結(jié)果的支持，今后尚需擴(kuò)大樣本量，以驗(yàn)證其適用性、預(yù)測(cè)性能及一致性，縮小偏倚，并應(yīng)用外部驗(yàn)證結(jié)果進(jìn)一步完善預(yù)測(cè)模型。

1.4 肌少癥列線圖模型

2020 年，臺(tái)灣學(xué)者Tseng 等[26]通過回顧臺(tái)灣健康與福利(TIHW)研究的橫斷面數(shù)據(jù)，研發(fā)了肌少癥風(fēng)險(xiǎn)評(píng)分模型。該評(píng)分模型通過逐步邏輯回歸分析，將女性、年齡、領(lǐng)取社會(huì)救助養(yǎng)老金、缺乏運(yùn)動(dòng)、體重過輕、空腹血糖異常、肌酐異常作為風(fēng)險(xiǎn)預(yù)測(cè)因子。通過計(jì)算調(diào)整后的比值比來確定每個(gè)項(xiàng)目的權(quán)重。該模型在測(cè)試數(shù)據(jù)集上進(jìn)行了驗(yàn)證，截?cái)嘀禐?6 分,敏感度、特異度和ROC 曲線下面積分別為71.8%、71.1% 和0.757。表明該模型具有良好的敏感性和特異性，其評(píng)分結(jié)果可以幫助護(hù)士指導(dǎo)老年人進(jìn)行肌少癥的健康教育。但由于個(gè)別預(yù)測(cè)因子需要血液檢驗(yàn)，這可能限制了模型在社區(qū)老年人中的應(yīng)用。此外，目前也尚未見到該模型的臨床驗(yàn)證，缺乏外部驗(yàn)證結(jié)果的支持，今后尚需擴(kuò)大樣本量進(jìn)行外部驗(yàn)證，以驗(yàn)證其適用性、預(yù)測(cè)性及一致性。

列線圖是臨床預(yù)測(cè)模型的一種圖形表示形式，被廣泛應(yīng)用于臨床研究中[27-30]。列線圖模型是基于個(gè)體預(yù)測(cè)變量的數(shù)值計(jì)算得分，然后根據(jù)得分計(jì)算某事件或生存概率的風(fēng)險(xiǎn)[31]。2022 年，莫懿晗等[32]通過調(diào)查居住在社區(qū)的1 050 名老年人的數(shù)據(jù)構(gòu)建了肌少癥的列線圖預(yù)測(cè)模型，分為開發(fā)集(n=840)和驗(yàn)證集(n=210)。通過多變量回歸模型納入了年齡、體質(zhì)指數(shù)、婚姻狀況、體育活動(dòng)習(xí)慣、久坐時(shí)間和飲食多樣性等肌少癥影響因素作為預(yù)測(cè)因子，結(jié)果顯示，開發(fā)集和驗(yàn)證集的AUC 分別為0.827 和0.755，開發(fā)集的最佳截?cái)嘀禐?.286，靈敏度和特異度分別為68.1%和82.5%。在驗(yàn)證集中截?cái)嘀禐?.224，靈敏度和特異度分別為0.679和0.758，表明該模型具有良好的敏感性、特異性和預(yù)測(cè)性能，且與其他模型相比，該模型結(jié)果可清楚、直觀地呈現(xiàn)，易于理解，且根據(jù)預(yù)測(cè)結(jié)果可以對(duì)肌少癥進(jìn)行低、中和高風(fēng)險(xiǎn)的分類，有助于促進(jìn)肌少癥分級(jí)健康管理，因此該模型具有良好的臨床實(shí)用性，尤其適合在電腦使用受限的基層社區(qū)醫(yī)療機(jī)構(gòu)中使用[33]。但由于模型未納入共病、吸煙、飲酒等肌少癥的危險(xiǎn)因素，可能限制了模型的預(yù)測(cè)能力，因此未來需要納入更多的預(yù)測(cè)因子，進(jìn)一步提高模型的預(yù)測(cè)能力。

1.5 基于機(jī)器學(xué)習(xí)構(gòu)建的肌少癥預(yù)測(cè)模型

近年來，隨著互聯(lián)網(wǎng)和大數(shù)據(jù)的發(fā)展，利用大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)算法預(yù)測(cè)及輔助臨床疾病診斷等方面的研究逐漸成為熱點(diǎn)[34-35]，由于機(jī)器學(xué)習(xí)算法在處理復(fù)雜數(shù)據(jù)問題時(shí)準(zhǔn)確度較高[36]，也被研究者用于對(duì)肌少癥的預(yù)測(cè)研究。

2019 年，Kang 等[37]根據(jù)韓國國家健康和營養(yǎng)檢查調(diào)查收集了4 020 名≥65 歲參與者（男1 698 人、女2 322 人），通過對(duì)數(shù)據(jù)的管理，建立了基于邏輯回歸、支持向量機(jī)、梯度增強(qiáng)和隨機(jī)森林算法的肌少癥臨床預(yù)測(cè)模型。結(jié)果顯示，男性重要的危險(xiǎn)因素是體質(zhì)指數(shù)、紅細(xì)胞計(jì)數(shù)、血尿素氮、維生素D、鐵蛋白、纖維素?cái)z入量、原發(fā)性舒張壓、白細(xì)胞計(jì)數(shù)、脂肪攝入量、年齡、谷丙酮轉(zhuǎn)氨酶、煙酸攝入量、蛋白質(zhì)攝入量、空腹血糖和水?dāng)z入量；女性重要的危險(xiǎn)因素是體質(zhì)指數(shù)、水?dāng)z入量、白細(xì)胞、紅細(xì)胞計(jì)數(shù)、鐵攝入量、尿素氮、高密度脂蛋白、蛋白質(zhì)攝入量、纖維素?cái)z入量、維生素C 攝入量、甲狀旁腺激素、煙酸攝入量、胡蘿卜素?cái)z入量、鉀攝入量、鈣攝入量、鈉攝入量、維生素A 攝入量和年齡。4種模型的AUC 分別為隨機(jī)森林算法男性0.82、女性0.78；支持向量算法男性0.80、女性0.81；梯度提升算法男性女性均為0.81；邏輯回歸算法男性0.82、女性0.80。因此，4 個(gè)模型的ROC 曲線下面積在性別上沒有顯著差異。但是該研究未報(bào)告外部驗(yàn)證的結(jié)果，而且模型未經(jīng)臨床應(yīng)用，且該研究的結(jié)果是基于韓國老年人群，考慮到生活習(xí)慣、飲食習(xí)慣可能會(huì)影響研究結(jié)果。因此，該模型在我國老年人群中預(yù)測(cè)性能還需要進(jìn)一步研究確定。

2022 年，岳益兵等[38]利用5 641 名人員的體檢數(shù)據(jù)，通過使用K 近鄰的方法填充缺失值，用5 折交叉驗(yàn)證法，將數(shù)據(jù)集均分為5 份，其中1 份作為測(cè)試集，4 份作為訓(xùn)練集進(jìn)行5 折交叉訓(xùn)練，比較了LightGBM（Light Gradient Boosting Machine）、決策樹、K 近鄰、隨機(jī)森林、支持向量機(jī)、樸素貝葉斯、人工神經(jīng)網(wǎng)絡(luò)和邏輯回歸8 種機(jī)器學(xué)習(xí)模型在肌少癥預(yù)測(cè)方面的性能。結(jié)果顯示，肌少癥的主要風(fēng)險(xiǎn)因素有12 個(gè)，分別為年齡、體重、身高、體質(zhì)指數(shù)、腰圍、臀圍、舒張壓、平均紅細(xì)胞血紅蛋白量、高密度脂蛋白、平均紅細(xì)胞體積、紅細(xì)胞、三酰甘油。在本研究評(píng)估的8 種模型中，LightGBM 模型、隨機(jī)森林模型和邏輯回歸算法模型在預(yù)測(cè)肌少癥的總體性能指標(biāo)方面優(yōu)于其他模型，測(cè)試集ROC 曲線下面積分別為0.979，0.970，0.936。雖然該研究樣本量較大，但研究方法只采用了一種過采樣方法，而過采樣后得到的數(shù)據(jù)并不是原始的真實(shí)數(shù)據(jù)，對(duì)預(yù)測(cè)結(jié)果會(huì)有一定的影響。因此該模型存在偏倚風(fēng)險(xiǎn)，未來需要進(jìn)行外部驗(yàn)證，以明確模型的預(yù)測(cè)性能和臨床應(yīng)用價(jià)值。

2 肌少癥臨床預(yù)測(cè)模型的比較分析

2.1 肌少癥臨床預(yù)測(cè)模型的危險(xiǎn)因素比較

2021 年，一項(xiàng)納入了68 項(xiàng)研究、涉及98 502 例病人的Meta 分析顯示，社區(qū)老年人肌少癥的相關(guān)因素包括年齡、婚姻狀況、日常生活活動(dòng)能力（ADL）、體重不足、吸煙、缺乏體力活動(dòng)、營養(yǎng)不良/營養(yǎng)不良風(fēng)險(xiǎn)、睡眠時(shí)間，獨(dú)居、糖尿病、認(rèn)知障礙、心臟病、呼吸道疾病、骨質(zhì)疏松癥、骨關(guān)節(jié)炎、抑郁、貧血等；未明確性別、超重/肥胖、高脂血癥、癌癥、疼痛和腎臟疾病是否與肌少癥相關(guān)[39]。此研究中，6 項(xiàng)[22,25-26,32,37-38]研究納入了年齡,5 項(xiàng)[25-26,32,37-38]研究納入了體重/體質(zhì)指數(shù),2 項(xiàng)[26,32]研究納入了體力活動(dòng)情況,2 項(xiàng)[22,25]研究納入了小腿圍,2 項(xiàng)[26,37]研究納入了空腹血糖進(jìn)行分析，其他危險(xiǎn)因素包括性別、握力、飲食習(xí)慣等。 由此可見，不同模型納入的危險(xiǎn)因素不同，每個(gè)危險(xiǎn)因素在肌少癥中發(fā)揮的作用也是不明確的，因此，無法明確危險(xiǎn)因素與肌少癥發(fā)生風(fēng)險(xiǎn)之間的關(guān)系。未來可能需要進(jìn)一步開發(fā)驗(yàn)證基于多種危險(xiǎn)因素的預(yù)測(cè)模型，以提高模型的預(yù)測(cè)性能。

2.2 肌少癥臨床預(yù)測(cè)模型的內(nèi)部和外部驗(yàn)證比較

從內(nèi)部驗(yàn)證分析，6 項(xiàng)[22,25-26,32,37-38]研究進(jìn)行了內(nèi)部驗(yàn)證，內(nèi)部驗(yàn)證可減少模型過度擬合，從而得到更為可靠的模型預(yù)測(cè)準(zhǔn)確性評(píng)估值。從外部驗(yàn)證分析，僅1項(xiàng)［22］研究報(bào)告了外部驗(yàn)證結(jié)果，外部驗(yàn)證主要是通過臨床應(yīng)用評(píng)價(jià)模型預(yù)測(cè)性能，并且利用外部驗(yàn)證新收集的資料和原有累積資料進(jìn)行分析后重新建模，使模型動(dòng)態(tài)更新，為模型的優(yōu)化定型和大范圍使用提供基礎(chǔ)。由于未檢索到大部分模型的外部驗(yàn)證，因此，無法評(píng)價(jià)預(yù)測(cè)性能和模型的優(yōu)劣。未來需要在社區(qū)老年人群中進(jìn)行研究。

3 小結(jié)及展望

國內(nèi)外報(bào)道的肌少癥臨床預(yù)測(cè)模型均具有較好的預(yù)測(cè)效能和臨床使用價(jià)值，但由于構(gòu)建模型的人群、統(tǒng)計(jì)方法和納入危險(xiǎn)因素不同、收集資料受限、缺乏外部驗(yàn)證，使各種預(yù)測(cè)模型都有其局限性。醫(yī)護(hù)人員需結(jié)合臨床的實(shí)際情況，選擇合適的預(yù)測(cè)模型進(jìn)行肌少癥的風(fēng)險(xiǎn)預(yù)測(cè)。未來在模型構(gòu)建過程中應(yīng)當(dāng)遵循個(gè)體預(yù)后與診斷預(yù)測(cè)模型研究報(bào)告規(guī)范（TRIPOD）［40］，納入更多肌少癥生活行為相關(guān)的危險(xiǎn)因素，為肌少癥的早期篩查與醫(yī)療護(hù)理決策提供更可靠的理論依據(jù)。