基于預測模型的養老機構簡版老年人營養篩查工具構建與信效度驗證

朱丹，謝紅

我國老齡化程度持續加深，2019年末60歲及以上人口達2.53億，占總人口的18.1%，其中65歲及以上人口1.76億，占總人口的12.6%［1］。營養支持對老年人保持良好健康、功能和生活質量非常重要［2］。為積極應對人口老齡化，2017年國務院辦公廳發布了《國民營養計劃（2017—2030年）》（國辦發〔2017〕60號）［3］，提出開展老年人群營養狀況監測和評價，建立滿足不同老年人群需求的營養改善措施，建立老年人群營養健康管理與照護制度，促進“健康老齡化”。營養篩查是通過有效工具快速識別營養不良或有營養不良風險對象的過程，老年人營養狀況識別是開展老年人群營養改善工作的基礎［4］。2017年國家衛生健康委員會曾公布過以行業標準《老年人營養不良風險評估》（WS/T 552-2017）作為老年人群營養篩查與評估工具，但在養老機構老年人群中的信效度驗證結果顯示，該工具部分條目在養老機構不適用，鑒別度和同質性不高，工具結構效度和內部一致性不理想［5］。同時，由于該工具采用先篩查再針對部分風險人群進行評估的方式，工具使用較復雜，不同風險程度的老年人獲取數據信息不一致，影響了該工具在養老機構老年人群中的實際應用。針對國民營養計劃中普遍開展老年人群營養篩查的目標，需要簡便、易行、結構更為優化且適用于養老機構老年人群的營養篩查工具。預測模型是結合多種危險因素預測患者預后的統計模型，常見的模型包括Logistic回歸模型和決策樹模型等［6-7］。目前有研究通過Logistic回歸模型構建或改良針對兒童、心力衰竭患者或國外老年人的營養篩查與評價工具［8-12］，通過決策樹模型進行疾病風險、并發癥風險和疾病預后的預測［13-15］，預測模型在臨床中應用廣泛且效果佳。本研究在2017年行業標準《老年人營養不良風險評估》（WS/T 552-2017）工具的基礎上，采用上述兩種模型比較，選取最優模型以構建適用于養老機構老年人的可靠、推廣性強的簡版老年人營養篩查工具，并檢驗其信效度，為我國養老機構老年人群營養狀況監測提供有效的篩查工具。

1 對象與方法

1.2 研究工具 課題組自行設計調查問卷，問卷包括一般資料和《老年人營養不良風險評估》量表兩部分。一般資料包括年齡、性別、文化程度、自我感覺經濟狀況?！独夏耆藸I養不良風險評估》量表來源于2017年《老年人營養不良風險評估》衛生標準，用于評價≥65歲老年人的營養狀況，包括初篩和評估兩部分內容。其中，初篩部分包括6個條目，滿分為14分，其中近3個月體質量變化、BMI得分為0～3分，活動能力、神經精神疾病、牙齒狀況、近3個月飲食量變化得分為0～2分；評估部分包括14個條目，滿分為16分，其中疾病種數、藥物種數、是否獨居、戶外獨立活動時間、睡眠時間、文化程度、經濟狀況、蛋白質攝入種數、蔬菜水果攝入、食油攝入、小腿圍和腰圍得分為0～1分，進食能力和進餐次數得分為0～2分；此外，根據年齡調整分值為0～1分（即年齡超過70歲加1分）。量表總分（初篩+評估）為0～30分，得分越高表示老年人營養狀況越好。結果判定方法為：初篩量表總分≥12分為無營養不良風險，無須評估；初篩量表總分<12分時需要繼續完成評估量表；最終，營養不良風險評估總分（初篩和評估得分之和）≥24分表示營養狀況良好，18～23分表示有營養不良風險，≤17分表示營養不良。本工具在養老機構中應用的Cronbach's α系數為0.323［5］。

1.3 資料收集方法 將本研究使用工具開發成手機APP，研究者對12家養老機構的調查員進行培訓，由培訓合格的調查員對所在養老機構老年人進行評估，研究者進行實地督導并隨時線上解答調查員調查中的問題。調查員采用APP中統一的指導語向調查對象解釋研究目的和意義，征得本人或監護人同意后以不記名方式填寫問卷，系統自動檢查并提醒調查員填寫遺漏項，問卷填寫完整后方能提交。共發放問卷1 450份，剔除年齡<65歲的問卷后，回收有效問卷1 411份，問卷有效回收率為97.31%。

1.4 統計學方法 采用SPSS 24.0統計軟件進行數據分析。計量資料以（±s）表示，計數資料以相對數表示。以本研究團隊前期發表的京津地區養老機構《老年人營養不良風險評估》應用效果評價研究［5］中《老年人營養不良風險評估》工具項目分析結果進行條目初篩，刪除臨界比<3且條目-總分相關系數<0.400的條目后，構建有序多分類Logistic回歸模型和受試者工作特征（ROC）曲線，得到ROC曲線下面積（AUC）；將Logistic回歸模型中有統計學意義的變量作為自變量，使用Cart算法構建決策樹，分析ROC曲線得到AUC；比較兩個模型的AUC，依據最優模型下各變量的重要性進行賦值，采用ROC曲線確定最佳預測指標截斷點進行臨界值劃分，形成簡版老年人營養篩查工具。計算簡版老年人營養篩查工具的Cronbach's α系數進行信度分析；采用探索性因子分析進行結構效度分析；以《老年人營養不良風險評估》工具結果為參照，采用AUC、靈敏度、特異度、約登指數、Kappa系數綜合評價簡版老年人營養篩查工具的預測效度。以P<0.05為差異有統計學意義。

2 結果

2.1 一般資料 被調查的1 411例老年人，平均年齡（81.1±8.3）歲，其中65～74歲329例（23.32%），75～84歲547例（38.77%），85～94歲477例（33.80%），≥95歲58例（4.11%）； 男602例（42.66%）， 女809例（57.34%）；文化程度中文盲152例（10.77%），小學340例（24.10%），初中311例（22.04%），高中/中專283例（20.06%），大學?？?69例（11.98%），大學本科及以上156例（11.05%）；自我感覺經濟狀況差者149例（10.56%），一般者906例（64.21%），良好者356例（25.23%）；營養狀況良好者524例（37.14%），有營養不良風險者793例（56.20%），營養不良者94例（6.66%）。

2.2 簡版老年人營養篩查工具的構建

2.2.1 條目初篩和調整 《老年人營養不良風險評估》信效度研究結果顯示，該工具中部分條目與總分相關性和鑒別度較差［5］。條目初篩中刪除條目包括“近3個月飲食量變化”“是否獨居”“睡眠時間”“文化程度”“經濟狀況”“進餐次數”“蛋白質攝入種數”“食油攝入”“蔬菜水果攝入”“年齡”。由于本研究擬構建的簡版老年人營養篩查工具更加關注對營養不足者的篩查，故同時刪除原工具中用于評價肥胖的條目“腰圍”，并取消對BMI上限的限制。將納入Logistic回歸分析的自變量BMI的分類調整為“<19.0 kg/m2”“19.0～20.9 kg/m2”“21.0～22.9 kg/m2”“≥23.0 kg/m2”。最后共計10個變量進入Logistic回歸分析。

2.2.2 Logistic回歸模型構建 以《老年人營養不良風險評估》工具篩查結果（賦值：營養狀況良好=1，有營養不良風險=2，營養不良=3）為因變量，初篩條目為自變量進行有序多分類Logistic回歸分析，結果顯示10個變量均是老年人營養狀況的影響因素（P<0.05），見表1。Logistic回歸模型分類正確率為86.3%，構建ROC曲線，預測營養狀況良好、有營養不良風險、營養不良的AUC分別為0.962、0.942、0.989，均有統計學意義（P<0.001），見表2。

表1 老年人營養狀況影響因素的有序多分類Logistic回歸分析Table 1 Ordinal，multinominal Logistic regression analysis of factors related to nutrition status in nursing home-dwelling older people

2.2.3 決策樹模型構建 以《老年人營養不良風險評估》工具篩選結果（賦值：營養狀況良好=1，有營養不良風險=2，營養不良=3）為因變量，將有序多分類Logistic回歸模型中有意義的變量作為自變量，使用Cart算法構建決策樹，采用交叉驗證，限制父節點最小個案數為30，子節點最小個案數為10，最大樹深度為5。進入模型的變量有活動能力、牙齒狀況、近3個月體質量變化、BMI、神經精神疾病、小腿圍、進食能力和服用藥物種數，根節點為活動能力（圖1）。決策樹模型分類正確率為80.0%，構建ROC曲線，預測營養良好、營養不良風險、營養不良的AUC分別為0.914、0.868、0.968，均有統計學意義（P<0.001），見表2。

2.2.4 最終版簡版老年人營養篩查工具形成 比較Logistic回歸模型、決策樹模型對老年人營養狀況分類的AUC、靈敏度、特異度、約登指數和分類正確率，確定Logistic回歸模型為最優模型（表2）。以最優模型為基礎，根據各條目重要性（回歸系數）進行賦值，將最小回歸系數的變量賦值為0.5，計算其余變量與其的比值后賦值為0.5、1、2、3分，構成簡版老年人營養篩查工具（表3）。以《老年人營養不良風險評估》工具結果為對照，進行ROC曲線分析，采用最大約登指數得到判斷營養不良風險和營養不良的最佳截斷點［17］（圖2～3）。結果顯示存在營養不良風險的臨界值為3.5分，營養不良的臨界值為8分。最終形成的簡版老年人營養篩查工具由BMI、近3個月體質量變化、活動能力、牙齒狀況、神經精神疾病、疾病種數、藥物種數、戶外獨立活動時間、進食能力、小腿圍10個條目組成?？偡?～14.5分，評分0～3.0分表示營養良好，3.5～7.5分表示有營養不良風險，8.0～14.5分表示營養不良。根據最終版簡版老年人營養篩查工具對老年人營養狀況進行重新評估，結果顯示老年人營養狀況良好634例（44.93%）、有營養不良風險639例（45.29%）、營養不良138例（9.78%）。

表2 Logistic回歸模型與決策樹模型的AUC、靈敏度、特異度及約登指數Table 2 The AUC，sensitivity，specificity and Youden index of Logistic regression model and decision tree model for predicting nutrition status in nursing home-dwelling older people

表3 最終版簡版老年人營養篩查工具Table 3 The concise Nutritional Risk Assessment Scale for Nursing Home-dwelling Older People

2.3 信效度分析

2.3.1 信度 信度分析結果顯示，最終版簡版老年人營養篩查工具的Cronbach's α系數為0.463，前期研究中《老年人營養不良風險評估》工具的Cronbach's α系數為0.323［6］，簡版老年人營養篩查工具的內部一致性有所提高。

2.3.2 結構效度 采用探索性因子分析進行結構效度分析。簡版老年人營養篩查工具的KMO值為0.684>0.5，Bartlett's球形檢驗值為1 827.031、P<0.001，表示適合進行因子分析［18］。采用主成分分析法提取公因子，最大方差法進行旋轉，得到5個特征值>1的公因子，累積解釋變異量為69.9%，各條目載荷值>0.400，無雙重載荷情況，見表4。

表4 最終版簡版老年人營養篩查工具各條目因子載荷情況Table 4 The distribution map of factor loading of the concise Nutritional Risk Assessment Scale for Nursing Home-dwelling Older People

2.3.3 預測效度 以《老年人營養不良風險評估》工具為標準進行ROC曲線分析，結果顯示，簡版老年人營養篩查工具以總分≥3.5分劃分為營養不良風險時，靈敏度為0.799，特異度為0.870，約登指數為0.670，AUC（95%CI）為 0.902（0.892，0.922）；以總分≥ 8分劃分為營養不良時，靈敏度為0.809，特異度為0.953，約登指數為0.761，AUC（95%CI）為0.976（0.967，0.985），見圖2～3、表5。簡版老年人營養篩查工具與《老年人營養不良風險評估》工具對老年人營養狀況劃分的一致性（Kappa系數）為0.627，有高度的一致性。

表5 最終版簡版老年人營養篩查工具的靈敏度、特異度、約登指數、AUCTable 5 Sensitivity，specificity，Youden index and AUC of the concise Nutritional Risk Assessment Scale for Nursing Home-dwelling Older People

圖3 最終版簡版老年人營養篩查工具預測營養不良的ROC曲線Figure 3 ROC curve of the predictive performance for malnutrition of the concise Nutritional Risk Assessment Scale for Nursing Home-dwelling Older People

3 討論

良好的營養狀況是健康老齡化的重要保障，養老機構作為我國社會養老服務體系的重要支撐［19］，收住了大量需要照料的失能、半失能老年人，高齡和疾病等因素使養老機構中的老年人更容易出現營養問題。研究顯示，養老機構老年人營養不良比例為5.1%～30.0%，營養不良風險比例為36.0%～67.6%［20-21］。盡管養老機構中老年人營養不良的發生率很高，但在機構照護中對營養護理的重視程度通常排名靠后；養老機構缺乏規范的老年人營養管理標準，照護人員缺乏營養專業知識和管理意識，無法識別營養不良，并給予個性化、有針對性的營養支持［22］。統一、可靠、實用的營養篩查工具是養老機構監測、改善老年人營養狀況的基礎。我國發布的《老年人營養不良風險評估》行業標準雖然提供了適用于我國≥65歲老年人群的營養評價工具，但該工具在養老機構老年人中應用的信效度不理想，部分條目在養老機構中不適用［5］。另一方面，《老年人營養不良風險評估》工具中規定，當同時存在BMI≥24.0 kg/m2或腰圍超過標準時提示可能是肥胖/超重型營養不良，營養不足與營養過剩是相反的營養失衡狀態，無法通過相同的評估總分同時對二者進行判斷。同時，目前多項指南或學會推薦使用的營養篩查、評價工具，如微型營養評價（MNA）、簡版微型營養評價（MNA-SF）、營養不良通用篩查工具（MUST）、營養風險篩查-2002（NRS-2002）等，均通過體質量下降、BMI過低等指標來識別營養不足，并不對營養過剩進行評價［23-26］。老年人營養不足是普遍存在問題，且易引發多種不良健康后果［27］，而研究顯示老年人群超重與死亡風險增加關系不大，當BMI<23.0 kg/m2時老年人死亡風險增加［22，28］，故本研究中對BMI的分組進行了相應調整。在《老年人營養不良風險評估》工具信效度研究基礎上，采用預測模型的方法，通過對比Logistic回歸模型和決策樹模型，選取了更優的Logistic回歸模型構建適用于養老機構的簡版老年人營養篩查工具，經檢驗其有較好的信效度，可有效識別有營養不良風險和營養不良的老年人，為我國養老機構開展老年人群營養篩查與監測提供了可靠的工具。

3.1 條目刪減原因分析 項目分析結果顯示，有10個條目鑒別度較低，且與總分的相關性不足被刪除，究其原因老年人營養篩查工具需要適用于不同養老方式的老年人，而本研究調查養老機構老年人，不存在獨居情況，“是否獨居”條目被刪除；養老機構老年人的膳食主要由機構提供，其進餐次數及蛋白質、食油和蔬菜水果的攝入比較穩定，而文化程度、經濟狀況等因素主要影響老年人的食物獲?。?9］，對機構老年人的營養狀況影響可能較小，以上條目均被刪除。但是對于社區居家老年人，獨居和膳食攝入可能影響其營養狀況，需通過進一步的研究驗證本工具在社區居家老年人中應用的有效性，并確定是否需要納入以上條目制定社區居家版本的老年人營養篩查工具?！敖?個月飲食量變化”被刪除的原因可能是進食量的變化對營養狀況的影響反映在體質量的變化上，其重要性被體質量變化抵消，另外對進食量的記錄和評估不準確也可能導致該條目篩查營養狀況的可靠性不高。睡眠時間可能由于其對老年人營養狀況的影響有限而被刪除。

3.2 條目權重分析 經條目初篩后，剩下的10個可靠程度較高的條目均進入了回歸模型，表示這些變量是影響老年人營養狀況的重要因素。簡版老年人營養篩查工具中權重較高的變量為BMI、近3個月體質量變化、神經精神疾病、活動能力和牙齒狀況，相對較低的條目為進食能力、戶外獨立活動時間、疾病種數、藥物種數和小腿圍，與《老年人營養不良風險評估》工具相比，近3個月體質量變化、疾病種數、藥物種數、進食能力和小腿圍權重略降低。決策樹模型中變量的重要性呈現類似結果，活動能力、牙齒狀況、體質量變化、神經精神疾病是判斷老年人存在營養不良的重要因素，疾病種數、藥物種數、小腿圍的重要性相對較低。BMI和非計劃性的體質量下降是常用的判斷老年人營養不良的變量，本研究發現活動能力也是影響老年人營養狀況的重要因素。老年人營養不足、體質量下降時主要減少的是肌肉含量，從而導致老年人活動能力下降，活動能力下降又會進一步影響老年人食物的獲取能力和手段，并加重營養不良。在決策樹模型中活動能力為判斷老年人營養狀況的根節點，表示其在老年人的營養狀況中有重要作用，是進行老年人營養改善時的干預要點和重要結局指標之一。疾病種數、藥物種數在判斷老年人營養狀況時的重要性較低，在決策樹模型中僅藥物種數進入模型，可能的原因是不同疾病和藥物對營養狀況的影響不同，疾病和藥物存在一定的共同性，在決策樹中其作用被藥物種數替代。

3.3 信度分析 信度代表量表的一致性或穩定性［18］，最終版簡版老年人營養篩查工具的Cronbach's α系數為0.463，與《老年人營養不良風險評估》工具相比，信度得到了提高但仍未達到0.6?？赡艿脑蚴呛啺胬夏耆藸I養篩查工具的條目較少，不同的條目反映了不同的營養不良危險因素；另外，分析發現降低工具內部一致性的條目主要是BMI和近3個月體質量變化，剔除以上兩個條目后工具的Cronbach's α系數為0.607，達到良好的內部一致性，可能的原因是部分老年人由于臥床、脊柱變形等導致身高和體質量的測量存在困難或測量不準確，養老機構未定期測量體質量導致體質量變化記錄不準確等影響了工具的穩定性，考慮BMI和非計劃性的體質量下降是老年人營養不良的重要危險因素，所以對以上2個條目仍予以保留，在今后的應用過程中，可以通過推廣智能測量和監測設備、定期監測體質量等方式進一步提高工具的穩定性。

3.4 結構效度分析 一般認為量表的公因子能解釋40%以上的變異，同時每個條目在相應的因子上有足夠的負荷（≥0.400），表示有較好的結構效度［18］。本研究探索性因子分析得到5個公因子，累積解釋變異量為69.9%，各條目載荷值>0.400，說明簡版老年人營養篩查工具的條目構成合理，具有良好的結構效度。

3.5 預測效度分析 預測效度代表能正確區分營養良好、有營養不良風險或營養不良的能力。靈敏度反映了工具正確識別存在有營養不良風險或營養不良老年人的能力，特異度反映了工具排除誤診病例的能力，約登指數綜合了靈敏度和特異度的作用，約登指數越接近1，說明量表的預測效能越好［17］，通常AUC>0.90表示預測價值較高，0.71～0.90表示預測價值為中等［30］。簡版老年人營養篩查工具在預測有營養不良風險和營養不良時有較高的靈敏度、特異度和約登指數，并獲得較高的AUC（>0.9），提示具有良好的預測價值。簡版老年人營養篩查工具與《老年人營養不良風險評估》工具對老年人營養狀況劃分的一致性（Kappa系數）為0.627，一般認為Kappa系數在0.6～0.8表示有高度的一致性［17］，提示本工具可以有效識別存在營養不良風險和營養不良的老年人。

4 本研究的價值與局限性

本研究在行業標準《老年人營養不良風險評估》（WS/T 552-2017）工具進行信效度驗證基礎上，刪除不適用于養老機構老年人的條目，并通過構建Logistic回歸模型和決策樹模型，選取最優模型構建了適用于養老機構老年人的簡版老年人營養篩查工具，構建過程科學、嚴謹。為養老機構老年人的營養篩查提供了實用性工具，為我國養老機構開展老年人群營養篩查與監測工作奠定了基礎，為養老機構存在營養不良或營養不良風險的老年人提供適宜的營養支持，改善其營養狀況，維持和促進健康和功能水平，實現“健康老齡化”提供了前提。雖然本研究在樣本抽樣中，已經考慮到我國地域遼闊，各地在營養方面存在的差異性，盡量選擇東、中、西部典型地區不同類型養老機構進行調查，并通過1 000例以上數據構建預測模型，但與我國老年人群上億的基數相比仍存在不足，未來仍需要更大樣本老年人群應用數據，以評價該工具實際使用效果。此外，雖然簡版老年人營養篩查工具的信度方面有所提高，但在下一步研究中仍需要通過提高指標測量、記錄的準確性等手段，進一步優化和驗證簡版老年人營養篩查工具。

作者貢獻：朱丹、謝紅負責文章構思與設計、研究的實施和可行性分析；朱丹負責數據收集與整理、統計學處理、論文撰寫，并對文章整體負責，監督管理；謝紅負責結果的分析與解釋、文章的質量控制及審校。

本文無利益沖突。